Pandas 使用具有NA值的字段进行tensorflow模型训练

我正在尝试使用tensorflow创建一个机器学习模型，使用的数据集位于

csv文件如下所示（请注意，我已将

？

替换为

，以便更容易用pandas解析）

当我用panda解析时，

在panda的数据框中被读取为

NaN

由于使用

NaN

的任何操作都将是

NaN

，因此输入此数据会产生问题

我的数据问题是不可用的数据，是否有一种方法可以将此类数据提供给模型并获得结果

我找到的一个解决方案是用一些数字（如0）替换它，但这样做会破坏模型的准确性，我想避免这种情况。

查看，并意识到三个属性

范围
，
ca
和
thal
中的绝大多数值都丢失了，您应该做的最确定的事情是从建模中完全删除这些属性（列）

机器学习中有一个（巨大的…）领域涉及数据插补，但它在这里肯定不适用-当您的值中只有一部分（即一小部分）缺失时，它通常适用，而这里的情况远非如此

我找到的一个解决方案是用一些数字（比如0）替换它，但这样做会破坏模型的准确性，我想避免这种情况

这是可以理解的；如果您坚持在这个方向上进行实验，请尝试用相应属性的平均值（或中位数）替换缺少的值（这是最简单的数据插补方法之一）

如果您打算在这里使用深度学习模型，还请注意，对于这样的应用程序，只有294个样本的数据集非常小……
您可以删除缺少数据的行或列。这不是最好的解决方案，因为最终可能会得到少量数据，而这些数据可能不会给您带来令人满意的结果。
age,sex,cp,trestbps,chol,fbs,restecg,thalach,exang,oldpeak,slope,ca,thal,num       
28,1,2,130,132,0,2,185,0,0,.,.,.,0
29,1,2,120,243,0,0,160,0,0,.,.,.,0
29,1,2,140,.,0,0,170,0,0,.,.,.,0