MatLab 分类数据中的缺失数据处理

我正在尝试将我的数据集放入 MATLAB[ranked,weights] = relieff(X,Ylogical,10, 'categoricalx', 'on')函数对我的预测特征的重要性进行排名。这dataset<double n*m> has n观察和m离散（即分类）特征。碰巧我的数据集中的每个观察值（行）都至少有一个 NaN 值。这些 NaN 表示数据集中未观察到的预测变量值，即缺失或为空的预测变量值。 （数据集没有损坏，只是不完整。）

救济（）使用下面的此函数删除任何包含 NaN 的行：

function [X,Y] = removeNaNs(X,Y)
% Remove observations with missing data
NaNidx = bsxfun(@or,isnan(Y),any(isnan(X),2));
X(NaNidx,:) = [];
Y(NaNidx,:) = [];

这并不理想，尤其是对于我的情况，因为它让我X=[] and Y=[]（即没有观察结果！）

在这种情况下：

1)将用随机值替换所有 NaN，例如99999，帮忙吗？通过这样做，我为所有预测器特征引入了新的特征状态，所以我认为它并不理想。

2)或者用相应特征列向量的模式（如下）替换 NaN 在统计上更合理？ （为了清楚起见，我没有进行矢量化）

function [matrixdata] = replaceNaNswithModes(matrixdata)

for i=1: size(matrixdata,2)
cv= matrixdata(:,i);
modevalue= mode(cv);
cv(find(isnan(cv))) = modevalue;
matrixdata(:,i) = cv;
end

3)或者任何其他对“分类”数据有意义的合理方式？

P.S: 这个链接 http://www.dtreg.com/MissingValues.htm给出了处理缺失数据的可能方法。

我建议使用表格而不是矩阵。 然后，您可以使用 ismissing（针对整个表）和 isundefined 等函数来处理分类变量的缺失值。

T = array2table(matrix);
T = standardizeMissing(T);  % NaN is standard for double but this 
                            % can be useful for other data type
var1 = categorical(T.var1);
missing = isundefined(var1);
T = T(missing,:);           % removes lines with NaN
matrix = table2array(T);