Random Forest、Gradient Boosting及Ranger如何处理缺失值？

1. 基础Random Forest（randomForest包） #

不可行。基础随机森林算法本身不支持原生处理缺失值，即便在Caret中设置na.action=na.pass且不指定preProcess，训练时仍会直接报错——底层实现要求输入数据无NA，不会自动跳过含缺失值的观测或变量，必须提前处理缺失。

2. Ranger（ranger包） #

完全可行。作为随机森林的优化实现，ranger原生支持缺失值处理。当设置na.action=na.pass且不启用preProcess时，算法在节点分裂过程中会自动基于非NA样本计算分裂增益，保留该变量的有效信息，同时不会丢失任何观测，也无需插补引入噪声，完美匹配你的需求。

3. 梯度提升（以gbm包为例） #

不可行。常规的GBM实现不支持原生NA处理，设置na.action=na.pass后训练会报错。如果倾向用梯度提升框架，可换用xgboost包——它支持通过missing=NA参数原生处理缺失值，在Caret中调用xgboost时同样设置na.action=na.pass即可。

额外提醒 #

• 关于将零值转为NA的操作：务必先验证零值的业务含义——如果零值是真实的观测结果（比如“0次交易”）而非缺失，强行转换会人为引入无效缺失，反而破坏数据信息。
• 若选用ranger，可尝试调整splitrule参数（如splitrule="extratrees"），进一步优化缺失值场景下的节点分裂逻辑。

内容的提问来源于stack exchange，提问作者Kaikus