各种决策树使用几种方法。简单地忽略缺失值（如ID3和其他旧算法所做的那样）或将缺失值视为另一类（在名义特征的情况下）并不是真正在处理缺失值。但是，这些方法已用于决策树开发的早期阶段。
缺失数据的真正处理方法是在分割的评估中不使用缺失值的数据点。但是，当创建和训练子节点时，这些实例将以某种方式分布。
我知道以下将缺失值实例分发到子节点的方法：
- 全部转到实例数已最多的节点（CART，不是主要规则）
- 分配给所有子节点，但权重减小，与每个子节点（C45和其他子节点）的实例数成比例
- 最终仅按照类别分布随机分配给一个子节点（我已经看到，在C45和CART的各种实现中，运行时间更快）
- 构建，排序和使用代理将实例分发到子节点，其中代理是输入功能，最类似于测试功能如何将数据实例发送到左或右子节点（CART，如果失败，则使用多数规则）