欠測データとSVMサポートベクターマシンプラットフォームの使用を開始しましたが、連続因子が欠落している観測値の予測が欠落しているようです。SVMには有益な欠落設定はありませんが、予測式は、欠落している公称データが式で使用されていることを示しています。ただし、連続因子が欠落している場合、予測は欠落しています（予測式には、欠落している名義因子の場合のように、連続因子が欠落していることを扱う項がありません）。SVMが欠落している連続因子を処理できないが、欠落している公称因子を使用できる理由はありますか？
分析Re：欠測データとSVMカテゴリ入力が欠落している新しいSVMプラットフォームからの予測式で指定された値が正しくないため、表示されるべきではないようです。 欠落データを処理する必要がある場合は、別のプラットフォームを使用して（たとえば、[分析]> [スクリーニング]メニューの[欠落値の探索]）、最初にそれらの値を代入してから、SVMに移動することをお勧めします。
少なくとも私のテストケースでは、入力が欠落している予測式を保存すると、すべての中間列が欠落を返し、最終的な式は最初の可能な結果にすぎません。 Predictedを保存するだけでは、期待どおりにそれらの行が欠落しています。
Re：欠測データとSVMSVMは、カテゴリまたは連続であるかどうかにかかわらず、Xファクターが欠落している場合の予測を提供しません。
SVMでは、データを中央に配置し、連続因子に合わせてスケーリングする必要があるため、連続因子が欠落している場合、式の（：X-mean）/ stddevが欠落しています。 カテゴリ因子の場合、その因子の「計画行列」が作成されます。 因子レベルが欠落している場合、計画行列は欠落しているものとして作成されます。つまり、[。 。] 2レベルのカテゴリ要素の場合。
中心/スケーリングされたXまたは計画行列Xのいずれかに欠損値がある場合、最終的な予測値が欠損しています。
Re：欠測データとSVMありがとうございました。ドキュメントには、SVMが欠落した値を処理できないことを反映しているはずです（手動による前処理なし）。 また、SVMは私の経験から非常に遅く、また特に正確ではありません（他の予測モデルと比較して）。 それが他の人にも当てはまるかどうか聞いてみたいと思います。
