如果 NaN 不是太频繁，您可以尝试删除包含它的行。

否则，如果您的算法无法处理 NaN（即 lightgbm 也是基于树的算法可以），您必须以某种方式填充这些值。通常使用超出正常值范围的值是一个好主意（例如 -99 表示只有正值的变量），因此树可以学会以不同的方式处理这些值。

在您使用二进制（0/1）数据的情况下，它有点不同。我会放 0.5，因此模型可以通过一次切割来学习将缺失值放入任一组（0 或 1），具体取决于哪个更有意义。如果所有 3 组都非常不同，请不要担心模型也应该能够学习它，因为您有足够的数据让树进行另一次切割。

使用多重插补。这个想法是，您可以将具有缺失值的列视为目标，其中您有许多输出（训练+验证数据）的值，而您没有一些（要预测的测试数据）的值。然后，您根据具有其价值的那些 rwo 训练模型，并使用它来预测缺失值。你可以看看这里。

您还可以创建一个新列来确定该特定功能是否缺失。

例子：

您有特征 I，其中除行 J 之外的所有行都有值。然后您可以创建特征 I_na，其中行 J 的值为 1，但对于其他每一行，它将为 0。