非随机缺失(MNAR)值作为信号的决策树构建方案咨询

• 优先使用树模型原生缺失值支持能力
  主流树模型实现（包括scikit-learn的DecisionTree/RandomForest、XGBoost、LightGBM等）都内置了缺失值处理逻辑，无需提前填充。训练过程中模型会自动将缺失样本划分到可带来最大信息增益的分支，完全适配你当前缺失值本身代表「首次使用新用户」的业务属性，不会浪费特征信息。
• 新增二值标识特征强化业务信息
  为每个存在缺失的历史使用特征，配套新增1个是否为新用户的二值特征，取值1代表对应原始特征缺失（新用户），0代表原始特征有值（老用户）。既可以把缺失值背后的业务含义显式传递给模型提升效果，后续切换其他非树类模型时也能直接兼容。
• 特征分箱把缺失值作为独立类别
  如果需要提升特征可解释性，可以把历史最高/最低支付价格这类连续特征做离散分箱，将「无记录（新用户）」作为独立分箱项，和其他价格区间并行作为特征输入，无需额外填充。

注意：不要使用均值、中位数、固定默认值这类常规填充方案，会混淆新用户和老用户的特征分布，引入不必要的噪声降低模型准确率。

内容的提问来源于stack exchange，提问作者David