Python 目标编码：填充扩展平均编码值中生成的NaN

我正在研究目标列中有五个类的多类分类问题。我已经使用扩展平均编码（目标编码）生成了分类变量的特征。该方法基于使用每个值的目标变量平均值对分类变量值进行编码

这也会产生一些NaN值，如“Transaction-Type_mean_target”列中的值

填充这些NaN值的最佳方法是什么？我应该填吗 这些与列的意思一致

如何为测试数据生成均值编码作为 目标/因变量“投诉状态”不存在

输入数据：

生成平均编码：

def add_feat_mean_encoding(col_list):
    """
        Expanding mean encoding 
    """
    for i in col_list:
        cumsum = train.groupby(i)['Complaint-Status'].cumsum() - train['Complaint-Status']
        cumcnt = train.groupby(i).cumcount()
        train[i+'_mean_target'] = cumsum/cumcnt

cat_var = ['Transaction-Type','Complaint-reason','Company-response','Consumer-disputes']
add_feat_mean_encoding(cat_var)

---

如果你的特征是分类的，那么用平均值进行插补是没有意义的，至少这意味着你为NAN创造了一个新的值。这就是你想要的吗

为了回答您的问题：

对于分类功能，您可以尝试不同的方法。您可以从scikit的

SimpleImputer

开始（请参阅），例如：

FILL_值=100
imp_1=SimpleImputer（缺少_值=np.nan，strategy='most_Frequency'）
imp_2=SimpleImputer（缺少_值=np.nan，策略=常量，填充值=填充值）

请提供关于测试集的信息：哪些是特性？如果测试集中没有功能

投诉状态

，有两种方法：

• 您可以使用训练集预测测试集的功能

  投诉状态

  （以及您希望预测的功能

  投诉状态

  ，如Y所示）。尝试不同的分类器，并选择一个提供最佳结果的分类器
• 您也可以使用二维Y，带有您的实际Y+

  投诉状态

---

你好，我只是想了解一下：你的特征中哪些是分类的，哪些是标量的？CmpantStatus是标量还是分类（可能是布尔值，0/1）？