Keras-是否可以训练缺少数据的分类模型？

Question

在过去的几个小时中，我一直在浏览各个论坛，但似乎找不到答案。

如果我有一个数据集，类似于下面所示的小示例。 其中A，B，C，D和E为输入值，X和Y为输出值。

（丢失的数据被评估为“ null”是无关紧要的，可以是任何东西）

A     B     C     D     E     X      Y
7     6     3     3     2     11     4
5     6     0     0     7     15     7
3     3     9     null  7     12     7
7     null  7     null  7     12     13
null  7     4     6     12    13     4
null  5     7     6     null  14     7
2     6     0     0     2     13     3
7     null  7     null  2     13     7

有没有一种方法可以在keras中训练神经网络，使其跳过空值，但仍然考虑该行数据？

例如，在第三行中，它会跳过D的值，因为它为null，但仍然适合使用其他4列和2个输出列吗？

对于我正在尝试的任务，具有空值的行不能忽略。 它们也不能用任何其他值替换（例如，无法预测替换值）。

Answer 1

我心中的假设解决方案是，先用非空行训练神经网络，然后保存神经网络参数。 在接下来的步骤中，通过训练非空行来迭代每个列以查找非空行，从而更新保存的神经网络。 假设在接下来的步骤中，您将使用A，B，C，E列训练模型，因为D具有空值。 如果您实现一个递归函数，它将为我们完成全部工作。