Подтвердите этот подход, чтобы справиться с отсутствующими значениями с помощью нейронной сети.

Question

У меня есть функция, которая выглядит следующим образом (мне не хватает представителя, чтобы загрузить изображение, я могу только описать его, в любом случае вот ссылка -> https://ibb.co/g9YQgQX):

• распределение по Гауссу, минимальное значение 0, максимальное значение 1
• , соответствующее значению 0, имеется огромный столбец, который соответствует 3/5 точек данных

Если Iиспользовать алгоритм на основе правил (RF, XGboost) Я могу получить очень хорошие результаты, но я борюсь с NN (не уверен, зависит ли это от этого или от других причин).

Можете ли вы подтвердить, что этодистрибутив, с которым может справиться NN? В противном случае, что вы посоветуете?

Большое спасибо

Answer 1

Трудно сказать точно, что вы делаете, потому что оси немаркированы, НО да, NN может справиться с этим распределением, но, вероятно, плохо. Однако вы должны внимательно посмотреть на то, что вы пытаетесь достичь. Когда я смотрю на это, я думаю о том, чтобы разделить это на две отдельные проблемы и обучить NN ненулевому распределению, и у меня будет что-то отдельное для обработки нулей. И наоборот, вы можете рассматривать это как очень несбалансированный набор данных, и существует ряд способов / литературы по работе с ними, например. Deep NN's , общий совет (на самом деле просто Google "наборы данных с разбалансированными нейронными сетями")