过去几个小时我一直在浏览论坛，但似乎无法找到答案。
如果我的数据集与下面显示的小示例相似。其中A，B，C，D和E是输入值，X和Y是输出值。
（缺失的数据被评估＆＃39; null＆＃39;无关紧要，可能是任何东西）
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
有没有办法训练keras中的神经网络，使其跳过空值，但仍考虑到该行数据？
E.g。在第三行中，它会跳过D的值，因为它为空，但是仍然适合使用其他4列和2个输出列？
对于我尝试的任务，不能忽略具有空值的行。它们也不能替换为任何其他值（例如，无法预测替换值）。
答案 0 :(得分：0)
我心目中的假设解决方案是首先使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，通过训练非空行来更新保存的神经网络，迭代每列以查找非空行。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。如果你实现了一个递归函数，它将为我们完成整个工作。