sta*_*010 6 classification machine-learning data-mining decision-tree weka
使用Weka的C4.5(J48)决策树处理缺失特征属性值的最佳方法是什么？在训练和分类期间都会出现缺失值的问题.
如果训练实例中缺少值,我是否正确假设我放置了一个'？' 功能的价值？
假设我能够成功构建决策树,然后从Weka的树结构中用C++或Java创建自己的树代码.在分类时,如果我尝试对新实例进行分类,我会为具有缺失值的功能赋予什么价值？如何将树下降到我具有未知值的决策节点？
使用Naive Bayes会更好地处理缺失值吗？我只想为他们分配一个非常小的非零概率,对吗？