XGBoost是否区分R中稀疏矩阵中的缺失值和0？

Question

有时功能可能有0和缺少值。例如，也许你可以测量一组棒球投手每投手每场比赛的击球数，你最终得到的是一个特征向量

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

在这里，1投手平均每场比赛0次三振，3投手没有记录任何数据，因为他们还没有投球。当我们将其转换为稀疏矩阵时，我们会得到类似的东西

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

在这里，dgCMatrix类清楚地将缺失的数据与0区分开来，但据我所知，dgCMatrix中的缺失数据被假定为取值0。

我想知道的是，当XGBoost试图分割这些数据时，它是否分别处理0和丢失的数据？换句话说，当XGBoost尝试拆分此功能时，它是否遵循NA协议（检查两个拆分方向）以查找丢失的数据，还是将丢失的数据发送到与非稀疏0值相同的位置？

Answer 1

要回答确切的问题：

是的，增益计算不考虑缺失值（不增加增强树中子项的梯度和粗体的总和），同时考虑0值（并添加到子项的梯度和粗体的总和）在一个助推树）

所以，0和缺失值是不一样的。

Answer 2

在您的代码中，您明确指定稀疏矩阵的表示。所有其他人都被隐含地假定为零。它们被显示为点，但这并不意味着它们是NA。 as.matrix()将显示这些点实际上是零。

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)