如何在Weka的C4.5(J48)决策树中处理缺失的特征属性值?缺失值问题在训练和分类时都会出现。
如果训练实例中存在缺失值,我需要为该特征放置一个“?”值,这样理解是否正确?
假设我能够成功地构建决策树并从Weka的树形结构中创建自己的C++或Java树代码。在分类时,如果我要对新实例进行分类,那么对于具有缺失值的特征,我应该放什么值?如何穿过具有未知取值的决策节点下降到子节点?