Statistics 逻辑回归缺失值

我可以用缺失值进行逻辑回归吗

---

我有很多continuos属性和一些分类属性，我可以将它们设置为用户缺失吗？它有用吗

进行回归分析时，需要测量每个事件的所有变量。也许另一种技术可以处理缺少的属性，但不能处理回归

顺便说一句，你应该试着在

---

嗯

大多数回归过程需要完整的数据，但有多种方法处理缺失值。这是一个微妙的话题，所以我不会假装在这里给出一个完整的答案，并建议大家阅读一下这个主题。简而言之，尽管：

永远不要删除观测值来解决此问题

变量的删除总是允许的，但显然对于一个人的数据预算来说是相当严重的

使用全局常量（如未缺失的平均值或中值）填充缺失值时，应尽量少做（当缺失的比例非常低时）

使用基于其他自变量选择的值填充缺失值比上面的数字3更可取

---

要了解更多关于这一主题的信息，请查找有关术语“插补”的信息，特别是“单一插补”和“多重插补”、“随机缺失”和“完全随机缺失”。

请允许我欢迎您使用Stack Overflow，并记住我们通常在这里做的三件事：1）当您收到帮助时，试着给它太回答问题在你的专业领域2）阅读常见问题！！3） 当你看到好的问题和答案时，使用灰色三角形向上投票，因为系统的可信度是基于用户通过分享知识而获得的声誉。另外，请记住，通过按下复选标记，接受能更好地解决问题的答案（如果有）