如何在无目标列的测试集上复用训练集的MICE插补方案？

完全可以为test集添加值全为10的虚拟目标列，这是解决数据集合并问题的常规操作，不会干扰基于mytrain的插补逻辑，具体说明和操作如下：

核心逻辑 #

因为你在mice中使用了ignore参数，明确指定仅用前700000条（mytrain）数据训练插补模型，后续的myvalid、mytest、test数据仅复用该模型填充缺失值。只要虚拟目标值不在真实目标变量的取值范围内（比如真实目标是二分类的0/1，10不在其中），就不会对插补模型的训练产生影响。

具体操作步骤 #

1. 给test集添加虚拟目标列（假设真实目标列名为target）：

# 为test集添加虚拟目标列
test$target <- 10

2. 执行原合并与插补流程：

# 合并所有数据集（此时列名一致可正常合并）
data2 <- rbind(mytrain, myvalid, mytest, test)
data2$ST_EMPL <- as.factor(data2$ST_EMPL)
data2$TYP_RES <- as.factor(data2$TYP_RES)

# 执行插补，注意ignore参数的长度要匹配合并后总样本数（2000000条）
imp <- mice(data2, method = "cart", m = 1, maxit = 1, seed = 123,
            ignore = c(rep(FALSE, 700000), rep(TRUE, 1300000)))
data2.imp <- complete(imp, 1) 

# 拆分回各个子集
mytrainN <- data2.imp[1:700000,]
myvalN <- data2.imp[700001:850000,]
mytestN <- data2.imp[850001:1000000,]
testN <- data2.imp[1000001:2000000,]

# 移除testN中的虚拟目标列，不影响后续测试
testN$target <- NULL

注意事项 #

• 虚拟目标值必须避开真实目标变量的所有可能取值，防止插补模型误将其作为有效标签学习
• 确保ignore参数的布尔向量长度与合并后总样本数完全匹配，保证仅用mytrain数据训练插补逻辑
• 插补完成后务必删除test集中的虚拟目标列，避免干扰后续的模型预测流程

内容的提问来源于stack exchange，提问作者ebrahimi