哪个是将已知值外推到 table 中缺失值的最佳数据挖掘模型？（一般问题）

Which is the best Data Mining model to extrapolate known values to missing values in a table? (General question)

我正在做一个小的数据挖掘项目（我仍然是一名数据科学专业的学生，不是专业人士）。也许你可以帮助我为我的任务选择一个合适的模型。

所以，假设我们有一个包含三列和大约 4000 行的 table：

任何字段的任何值都可以在数据集中重复（也包括年份值）。

在前两列中我们没有缺失值，但在第三列中我们只有大约 20% 的 Name 值。名称值在某种程度上取决于前两列（不是因果关系）。

我的目标是将可用的名称值外推到整个 table 并获得每个名称值的出现范围（例如在箱线图中）

我想象过这样一个过程，虽然我不太确定它在统计上是否有意义（欢迎任何异议和建议）：

对于每个未知的 NAME 值，算法会随机选择一个已知的 NAME 值。选择特定 NAME 值的几率取决于变量 YEAR 和 COLOR。例如，如果 'David' 值倾向于与较低的 Year 值相关并且与颜色的 'Green' 或 'Purple' 值相关，则算法给出 'David' 更高的概率被选择，如果年份和颜色的输入值为“1900，紫色”。
当上述过程结束后，统计每个名字出现的次数。
上述过程应用 30 次，每个名称的结果显示在绘图框中。

但是，我不知道哪个是实现类似想法的最佳模型。我把过程画在简单的画图中：

Possible output for the task

您认为哪种方法可以很好地完成这项任务？感谢您的帮助。

我认为您已经完成了流程，它正在转换数据，这可能是第一个障碍。

我会考虑使用 from sklearn.preprocessing import OrdinalEncoder 对数据进行编码，以便将分类数据转换为数字数据。

然后您可以使用随机数生成器在编码定义的范围内生成一个数字，该编码将随机 select 一个名称。

用 f 循环循环 30 次以获得结果。

在构建代码之前，您似乎还需要提供年份和颜色的排名值。从这里开始，您只需在 for 循环中提供波段，例如 if year > 1985 等以指定名称。