问题很简单。有一个客户清单表，其中有“性别”变量大约有10%的纪录此字段缺失/

但性别变量和姓名变量应该是有强相关性的

所以我觉得应该可以通过姓名来估算性别

例如
李刚  --> 男
张红  --> 女

如果靠人工去筛选这些类似“刚”、“红”一类的具有明显性别特征的字大约也可以解决。但是时间和效率有限。

各位大虾看一看，能否通过一些机器学习算法（无监督）的，在已有训练样本集上，对这种 姓名-->性别 关系做一个学习，然后用于对缺失数据作预测

真心求大虾们赐教，给出思路也可以+。