Données manquantes et SVMJ'ai commencé à utiliser la plate-forme Support Vector Machines, mais il semble que les prédictions manquent pour les observations qui manquent d'un facteur continu.Il n'y a pas de paramètre informatif manquant pour SVM, mais la formule de prédiction montre que les données nominales manquantes sont utilisées dans la formule.Cependant, lorsqu'un facteur continu est manquant, alors la prédiction est manquante (et la formule de prédiction ne comporte aucun terme traitant du facteur continu manquant comme c'est le cas pour les facteurs nominaux manquants).Y a-t-il une raison pour laquelle SVM ne peut pas gérer les facteurs continus manquants mais est capable d'utiliser les facteurs nominaux manquants?
AnalytiqueRe: Données manquantes et SVMJe soupçonne que la valeur donnée avec la formule de prédiction de la nouvelle plate-forme SVM avec une entrée catégorielle manquante est incorrecte et ne doit pas être affichée. Si vous avez besoin de gérer des données manquantes, je suggère d'utiliser une plate-forme différente (par exemple, Explorer les valeurs manquantes dans le menu Analyser> Dépistage) pour imputer ces valeurs en premier, puis passer à SVM.
Au moins dans mes cas de test, lors de l'enregistrement d'une formule de prédiction avec une entrée manquante, toutes les colonnes intermédiaires renvoient manquantes, et la formule finale n'est que le premier résultat possible. Lorsque vous enregistrez simplement Predicteds, ces lignes sont manquantes comme prévu.
Re: Données manquantes et SVMSVM ne fournit pas de prédictions si un facteur X est manquant - qu'il soit catégorique ou continu.
SVM nécessite que les données soient centrées et mises à l'échelle pour des facteurs continus, donc si le facteur continu est manquant, le (: X-mean) / stddev dans la formule est alors manquant. Pour les facteurs catégoriels, la «matrice de conception» pour ce facteur est créée. Si le niveau de facteur est manquant, la matrice de conception est créée comme manquante, c'est-à-dire [. .] pour un facteur catégoriel à deux niveaux.
Si l'un des X centraux / mis à l'échelle ou de la matrice de conception X a des valeurs manquantes, la valeur ultime prévue est manquante.
Re: Données manquantes et SVMMerci. la documentation devrait probablement indiquer que SVM ne peut pas gérer les valeurs manquantes (sans un prétraitement manuel). De plus, SVM a été très lent d'après mon expérience et pas particulièrement précis (par rapport à d'autres modèles de prédiction). J'aimerais savoir si cela a également été vrai pour d'autres personnes.
