XGBoost의 결측치

 

"XGBoost는 결측치가 있는 데이터셋도 학습이 가능하다"
이를 가능하게 하는 것이 Sparsity-aware Split Finding이다.

 

 

 

Sparsity-aware Split Finding (희소성 인식 분할 찾기...)

 

• 결측치가 있는 데이터들을 분류할 Default 방향을 결정하는 알고리즘
• 모든 결측치를 한 번은 전부 오른쪽에, 한 번은 전부 왼쪽에 배치하고 Split Point를 찾는 것
• 위의 그림을 예로 들면, 모든 결측치를 왼쪽에 배치했을 때 더좋은 Split Point를 찾을 수있으므로, 해당 가지(branck)에서 결측치 데이터를 분류할 Default 방향을 왼쪽 leaf로 설정하게 된다.

 

 

https://medium.com/hypatai/how-xgboost-handles-sparsities-arising-from-of-missing-data-with-an-example-90ce8e4ba9ca

How XGBoost Handles Sparsities Arising From of Missing Data? (With an Example)

 

https://kicarussays.tistory.com/25

[논문리뷰/설명] XGBoost: A Scalable Tree Boosting System (1)