为什么数据填充会让机器学习模型过拟合

数据填充的常见策略如均值填充会在高缺失率下导致模型过拟合,因为填充值偏离真实分布且无不确定性标记。正确的做法是使用中位数或模型预测填充,并确保交叉验证中填充器的独立性。实验显示,缺失率30%时均值填充的测试R²为0.61,而MICE能达到0.71。

阅读全文