algorithm - 整合孤立森林中的缺失值

Question

当前的 XGBoost 算法能够通过最小化损失（source）在训练期间选择最佳方向来处理缺失值。在我们的机构内，当我们处理稀疏的表格数据时，此功能非常有价值。

我们的下一个项目是检测相似数据集中的异常值；具有相对大量缺失数据的巨大表格数据集。我们遇到的有趣技术之一是隔离森林。现在，我们想探索将 XGBoost 等用于缺失值的功能集成到当前隔离森林中的可能性。随后，我有两个问题；

1] 这种将缺失数据处理集成到隔离森林中的想法在技术上是否可行，最重要的是，是否有意义？

2] 在这些情况下，其他缺失数据处理技术（例如先验插补）甚至其他异常值检测算法会更好吗？

请让我听听您的建议，这将非常有价值！先感谢您。

标签： algorithmtreexgboostoutliersisolation