问是否有可能通过机器学习来学习和预测南价值？

EN

也许把你的问题分成两个任务是一个可以接受的解决方案。一种用于回归和分类，无论是否提供数据。

X_train = np.array([(1,1),(2,2),(3,3),(4,4)])
Y1_train = np.array([(1,1),(2,2),(3,3),(4,4)])
Y2_train = np.array([(1,1),(1,1),(1,1),(1,0)])

X_test = np.array([(5,5),(6,6),(7,7)])
Y1_test = np.array([(5,5),(6,6),(7,7)])
Y2_test = np.array([(1,1),(1,0),(1,1)])

对于回归，要像对X_train和Y1_train一样。

分类零件的样例代码

from sklearn.neural_network import MLPClassifier
clf = MLPClassifier()
clf.fit(X_train, Y2_train)

训练数据的全部目的是对模型进行监督，教它用一组特征来预测输出。因此，将nan价值观作为训练X，y的一部分是没有意义的。一个模型不会“填补空白”而仍然学习。T

标准的方法是使用缺失值技术，如均值/0归算技术，用KNN代替包含缺失数据的样本的近邻，对序列数据(s线性、akima、二次、样条等)或能够处理缺失数据的编码方法进行估算。

如果不希望使用缺失值处理策略，则不应将该行保留为培训数据集的一部分。

是否有可能用科学学习或一般机器学习来解决这样的问题？

是的，正如我所提到的，解决这个问题有一个研究领域(KNN是处理这个问题的最流行和最容易访问的机器学习方法)。这个文章可能会帮助你更多的指导。

编辑(基于操作系统编辑)

用Nan替换99999999值是正确的方法，因为我们不知道为什么业务会将其设置为该值。最有可能的是，由于能够将数据存储在数据库中而不会出现太多问题，所以它们很可能丢失了用垃圾值计算的数据。第二，更明智的做法是将其视为南价值观，而不是异常值。因此，我建议删除具有这些值的行，以便进行监督培训。

另一件事是，我注意到这些值是Y训练和Y测试的一部分。如果Nans仅在Y数据中，这将使事情变得更简单，因为这样您就可以简单地将这些行作为数据的一部分进行预测。对非Nan数据进行模型训练，并使用该模型预测行的Y值以代替Nan值。

但是，如果你认为这些是极端值，并且应该被认为是异常值，那么你仍然需要将它们从模型训练中删除，因为它们会像疯狂地偏置模型结果。

最后，如果这是一个分类练习(而不是回归)，那么您实际上可以将999999看作一个单独的类，并像其他任何类一样预测它。这将不适用于回归，因为在回归中，999999是连续预测的一部分。

即使您的模型能够在输出时生成NaNs，也无法判断是错误还是实际估计。我不会在训练中用NaNs。

这不仅是因为NaN不能用任何数字数据类型表示，而且还因为不可能在NaNs上执行算术:这意味着不能计算它的梯度，也不能计算与它相交的直线或斜率。简单地说，您的模型无法将它作为一个数值来学习，因为它不是一个数字。