Как обработать null значения категориальных переменных в регрессии (машинное обучение)?

Question

[Chichi]

Я пытаюсь провести регрессионный анализ. Имеется множество переменных (multiple feature regression). Некоторым переменным для некоторого элемента данных не присвоено значение и они установлены в null. Для порядковых переменных я могу использовать замещение Null-ов средним значением данных. А как быть в случае если переменная категориальная. Например цвет или район города. Для наглядности картинка:


В этом примере данных есть несколько категориальных переменных: цвет, материал, безопасность, тип, район. Как замещать null-ы в таких данных. Или мне взять этот самый Null как отдельный вариант данных (класс) и все? Не слишком ли примитивно это будет?

Comments

[d'Ivan]

NULL означает отсутствие данных. Нужно решить как алгоритм должен относиться к неполным данным. Насколько можно доверять неполным данным?

Answer 1

[protven]

Явной корреляции, по которой можно восстановить недостающие данные нет ?
Если нет, то я бы попробовал проверить распределение имеющихся значений на нормальность. И если это условие выполняется, то заполнил бы NULL случайными значениями с нормальным распределением. Ну и стандартно прогнал бы получившуюся модель на тестовой выборке.