我正在为将在 Keras 和 TensorFlow 中运行的神经网络准备功能。这些功能是在 Oracle 中生成的。在那里我还替换了空值。我没有对数据库进行规范化，因为这取决于所选样本。规范化将在 Python 中完成。对于我的用例，这是一个二元分类问题（欺诈检测），空值的存在也与目标变量相关。因此，我想为模型保留这些信息。
我的建议是创建一个名为的附加二进制列varName_isnull，该列对列中是否存在 Null 进行编码varName。在其他聚合特征中，此二进制列也将用于计算单位时间内特定分组（即信用卡）的 Null 值的数量。
我的提议合理吗？是否有任何替代表示，如果是，它们的优势是什么？
这取决于您要训练的模型类型。如果您正在做一个分类模型（是/否，0/1 类类型），那么我建议您在 python 中使用虚拟变量生成函数。
我还建议您将所有其他分类变量转换为虚拟变量，以便您的模型将所有信息都考虑在内。
特征工程中一种流行的技术是单热编码来改变数据的性质。
因此，通常您会创建一个具有 2 个值的新变量（正如您所提到的）：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
https://jamesrledoux.com/code/dummies
祝你好运 ！
您的想法最明显的缺点是数据大小。如果您的数据集很小，那么这可能不是问题，但在规模上可能将列数增加一倍可能是一个问题。
一种想法可能是使用与“真实”值完全不同的值对缺失值进行编码 - 一些示例：
我认为，如果您对编码小心，您将能够识别缺失值，因此仍然能够生成您上面提到的组统计信息。