Scikit learn 不处理数据值

在学习期间，我的任何功能都没有“0”值；因此，我成功地建立了我的支持向量机模型

但是，当我使用该模型对我的功能进行预测时，在样本的某些位置上有“0”值。“0”不是数据值。如何在预测期间处理无数据值。我可以在学习期间估算。但是，如果我在预测过程中不删除任何数据值，那么在这些样本位置将丢失预测结果

在这些采样点中，并非所有特征都是无效的，但有些特征是无效的。

---

如有任何建议，我们将不胜感激

如果某些数据值为NaN，则需要一个插补器来插补这些缺失的值。一般策略是使用“平均”或“中值”策略进行替换

from sklearn.preprocessing import Imputer
imputer = Imputer(strategy='mean')
X_data = imputer.fit_transform(X_data_with_missing_values)

---

然后，您可以使用该插补的

X_数据拟合
SVM
您所说的“0”值是什么意思？所有特征都是0？按“0”特征，你是指空/南值还是稀疏输入矩阵？@yangjie yeas我是指空/南值。不是所有功能，而是少数功能0。但哪些特征是0？它随样本而异。@JianxunLi是的，我是说NaN。