XGBoost是否區分R中稀疏矩陣中的缺失值和0？

Question

有時功能可能有0 和缺少值。 例如，也許你可以測量一組棒球投手每投手每場比賽的擊球數，你最終得到的是一個特征向量

feats <- c(NA, NA, NA, 3.7, 0, 2.2)

在這里，1投手平均每場比賽0次三振，3投手沒有記錄任何數據，因為他們還沒有投球。 當我們將其轉換為稀疏矩陣時，我們會得到類似的東西

library(Matrix)
sparse1 <- sparseMatrix(i=4:6, j=rep(1, 3), x=c(3.7, 0, 2.2), dims=c(6, 1))
sparse1

[1,] .  
[2,] .  
[3,] .  
[4,] 3.7
[5,] 0.0
[6,] 2.2

這里， dgCMatrix類清楚地將丟失的數據與0區分開來，但據我所知， dgCMatrix缺失數據被假定為值0。

我想知道的是，當XGBoost試圖分割這些數據時，它是否分別處理0和丟失的數據？ 換句話說，當XGBoost嘗試拆分此功能時，它是否遵循NA協議（檢查兩個拆分方向）以查找丟失的數據，還是將丟失的數據發送到與非稀疏0值相同的位置？

Answer 1

要回答確切的問題：

是的，增益計算不考慮缺失值（不增加增強樹中子項的梯度和粗體的總和），同時考慮0值（並添加到子項的梯度和粗體的總和）在一個助推樹）

所以，0和缺失值是不一樣的。

Answer 2

在您的代碼中，您明確指定稀疏矩陣的表示。 所有其他人都被隱含地假定為零。 它們被顯示為點，但這並不意味着它們是NA。 as.matrix()將顯示這些點實際上是零。

library(Matrix)
sparse1 <- sparseMatrix(i=4:6, j=rep(1, 3), x=c(3.7, 0, 2.2), dims=c(6, 1))
as.matrix(sparse1)