缺失資料和 SVM我已經開始使用支援向量機平台，但對於缺少連續因子的觀察結果似乎缺少預測。SVM 沒有資訊缺失設置，但預測公式顯示公式中使用了缺失的標稱資料。但是，當連續因子缺失時，預測就會缺失（並且預測公式沒有任何術語處理缺失的連續因子，就像處理缺失的名義因子一樣）。SVM 無法處理缺失的連續因子但能夠使用缺失的名目因子是否有原因？
大規模客製化預測建模和機器學習回覆：缺失資料和 SVM關於文件建議，我們的技術作者已採取措施將此資訊新增至協助和文件。 謝謝！
回覆：缺失資料和 SVM謝謝。文件可能應該反映 SVM 無法處理缺失值（沒有一些手動預處理）。 此外，根據我的經驗，SVM 非常緩慢，而且也不是特別準確（與其他預測模型相比）。 我很想知道其他人是否也是如此。回覆：缺失資料和 SVM如果缺少任何 X 因素（無論是分類因素還是連續因素），SVM 不會提供預測。
SVM 要求資料針對連續因子進行居中和縮放，因此如果連續因子缺失，則公式中的 (:X-mean)/stddev 也會缺失。 對於分類因素，會建立該因素的「設計矩陣」。 如果因子水平缺失，則設計矩陣將創建為缺失，即[。 .] 對於兩級分類因子。
如果任何中心/縮放 X 或設計矩陣 X 具有缺失值，則最終預測值缺失。
回覆：缺失資料和 SVM我懷疑缺少 calcategories 輸入的新 SVM 平台的預測公式給出的值不正確，不應顯示。 如果您需要處理缺失數據，我建議使用不同的平台（例如，分析 > 篩選選單下的探索缺失值）首先估算這些值，然後移至 SVM。
至少在我的測試案例中，當保存缺少輸入的預測公式時，所有中間列都會傳回缺失，最終公式只是第一個可能的結果。 當您僅儲存預測時，這些行將會如預期般遺失。
