如何处理数据中的缺失值？？

不错，我们现在是处在大数据时代，信息爆炸，数据量呈指数级增长。但是，数据量大，不代表有效的数据很多。而且对于有些数据，拿到往往是有缺失值的，那么数据缺失会带来哪些问题呢？

假设有1000个样本，20个特征，这些数据都是机器收集回来的（在slam上这种问题应该还蛮常见的），若机器上的某个传感器损坏导致一个特征无效时该怎么办？是否要重新采集整个数据集？在这种情况下，另外的19个特征要怎么处理？它们是否还可用？答案是肯定的，因为有些情况下数据集的采集整理并不是那么方便的，有些时候采数据的成本是很高的，即使数据集存在瑕疵，也是要通过一定的方法将数据集利用起来的，主要的方法有以下几种：

（1）使用可用特征的均值来填补缺失值

（2）使用特殊值来填补缺失值，如-1

（3）忽略有缺失值的样本

（4）使用相似样本的均值填补缺失值

（5）使用另外的机器学习算法预测缺失值

当然，也有很多文献讲其它的方法，但比较简单易行的应该就是上述的几种啦O(∩_∩)O