Python 在回归（机器学习）中处理特征的未分配（空）值？

我想做线性回归分析。我有多种功能。对于数据中的某些项，某些功能具有未分配（null）值。因为对于某些项目，数据源中缺少某些特定的特征值。更清楚地说，我举了一个例子：

---

如您所见，某些项目缺少某些功能的值。目前，我只是将其指定为“Null”，但在对数据进行线性回归分析时如何处理该值？我不希望这个未赋值的值错误地影响回归模型。不幸的是，我无法删除显示未分配特征值的项目。我计划使用Python进行回归

您需要忽略这些行——您已经说过不能忽略这些行，而且对于缺失值的数量来说这不是一个好主意——或者使用一种主动对这些项进行折扣的算法，或者对缺失数据进行插补（这是一个有根据的猜测的技术术语）

我们可以提供的帮助有限，因为您没有为我们提供所需的缺失数据语义。您可以使用您最喜欢的“最接近匹配”算法，根据您现有的数据来插补一些缺失的值。例如，您很可能能够从其他数据推断出面积的良好猜测

对于非线性、离散项（即地区），您可能希望将NULL作为单独的地区保留。如果你有足够少的遗漏条目，你将能够得到一个像样的模型

一种简单的插补方法是用特征的平均值替换每个空值，但这仅适用于具有适当平均值的特征（即非区域）

总的来说，我建议您搜索有关“插补缺失数据”的适当参考资料。由于我们不确定您的需求，我们对此无能为力，这样做超出了so的范围