Python 含NaN的线性回归

我正在研究一个模型，可以根据别人的意见预测一个数字。为此，我将使用Sklearn的线性回归

例如，我有5个代理，我从他们那里收集他们在每次迭代中最后一次更改的数据，如果他们还没有插入，则数据包含

Nan

，直到他们的第一次更改。数据如下所示：

   a1   a2   a3   a4   a5   target
1  nan  nan  nan  nan  3     4.5
2  4    nan  nan  nan  3     4.5
3  4    5    nan  nan  3     4.5
4  4    5    5    nan  3     4.5
5  4    5    5    4    3     4.5
6  5    5    5    4    3     4.5

因此，在每次迭代/更改中，我都要预测结束数。正如我们所知，线性回归不允许在数据中包含

an=Nan

。我将它们替换为

an=0

，这不会破坏答案，因为线性回归的公式是：

result=a1*w1+a2*w2+…+一个*wn+c

我目前的问题是：

---

我的解决方案是否会对贴合度产生影响？有没有更好的办法解决我的问题？我是否应该仅使用完整数据学习模型，而不是将其用于当前解决方案？

将nan设置为0，并训练线性回归以找到每个变量的系数，这取决于用例

为什么?

您基本上是在训练模型，并告诉它，对于许多行，变量a1、a2等的重要性（当值为nan并设置为0时）

如果NAN是由于数据尚未填充，则将其设置为0并训练模型是错误的。最好在输入所有数据后训练模型（至少对于输入了一些数据的所有代理），这可以用于以后预测新代理。否则，如果许多代理尚未输入其数据，则您的系数将过度适合0（NAN）

---

基于最终目标（这是一个连续变量），线性回归是一个很好的方法

它将试图找到a1=0的系数，使损失函数最小化。当a1为空时，您将不使用该系数，但当a1为空时，您将使用它。所以它肯定会影响你的结果。也就是说，你应该问这个问题。