RapidMiner: Могу ли я использовать подстановочный знак в качестве значения атрибута для обучения модели дерева решений?

Я бы обработал данные, чтобы отсутствующее значение было действительным само по себе, и я бы дискретизировал допустимые числа, чтобы они находились в диапазонах.

Если говорить более подробно, то, что я упустил, — это ситуация, когда значение атрибута похоже на *. Я бы просто позволил этому быть одним допустимым значением, которое принимает атрибут. Для всех других значений этого атрибута они являются числовыми, поэтому их необходимо преобразовать в номинальное значение, чтобы они были совместимы с действительным теперь *.

Это довольно сложно сделать, и я не пробовал этого, но я бы начал с оператора Declare Missing Value, чтобы обнаружить * и сделать их пропавшими без вести. Оттуда я бы использовал оператор Discretize by Binning для преобразования чисел в номинальные значения. Наконец, я бы использовал Replace Missing Values, чтобы изменить отсутствующие значения на номинальное значение, такое как Missing. Вы можете спросить, зачем возиться с первым шагом «Объявить пропавшим без вести» выше? Причина в том, что это позволит работать операции дискретизации, потому что она будет работать только с числами, учитывая, что не числа помечены как отсутствующие.

Результирующий набор примеров затем передается в модель обычным способом. Очевидно, что модель должна иметь возможность работать с номинальными атрибутами (деревья решений).

Мне пришло в голову, что некоторые операторы моделирования более терпимы к отсутствующим данным. Я думаю, что k-ближайших соседей может быть один. В этом случае вы можете просто пометить отсутствующие, как указано выше, и не беспокоиться о шаге дискретизации.

Вся область отсутствующих данных действительно требует внимания, потому что важно понять источник отсутствующих данных. Если отсутствующие данные связаны с другими атрибутами или с самой меткой, неправильное обращение с ними может привести к искажению результатов.