问处理不需要的负数

EN

如何处理这样的无效值是机器学习中非常常见的问题，因为大多数数据集都包含某种错误。

有几种方法可以做到。例如，可以将它们全部设置为0：

df.loc[df.SoilHumidity < 0, 'SoilHumidity'] = 0

或者您可以用avg(SoilHumidity)填充它们，并创建一个额外的特性来标记它们丢失的模型：

import numpy as np

df['SoilHumidityInvalid'] = np.where(df.SoilHumidity < 0, 1, 0)

df.loc[df.SoilHumidity < 0, 'SoilHumidity'] = df.SoilHumidity.mean()

或者，你可以尝试以某种方式将它们归罪。通过向后或向前填充(即从数据集中的下一行或上一行获取值)，或通过创建使用数据集的其他功能来预测这些无效值的模型。

正确的方法可能取决于；有时域知识会指导您(也就是说，如果您知道传感器可能在它应该读取0时错误地读取负面信息，那么您就知道填充0)。如果做不到这一点，我只需要尝试几种方法，并使用交叉验证来查看哪种方法对您的模型改进最大。