本文介绍了在数据挖掘及机器学习中常见的缺失值处理方法，包括直接删除记录、使用众数或中位数填补、利用随机数填补、通过模型预测缺失值等。这些方法有助于提升数据质量，进而提高模型的准确性。
在数据挖掘以及机器学习中，拿到的数据，经常是某些记录的某些字段是缺失的，面对这种情况，可以有以下几种处理方法：
1.直接drop这条记录
2.缺失值用众数填补
3.缺失值用中位数填补
4.缺失值用rand(mean-std,mean+std)随机数填补
5.通过其他完整feature，建立model来预测缺失值
6.存在缺失值的数据少的时候，通过其他的feature，人为判断其值
7.对于缺失值，填充一个数字或字母表示Nan
Data Mining Competition中数据缺失值处理
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
