Orange3数据预处理(缺失值处理组件)

输入

• 数据: 输入数据集
• 学习器: 填充学习算法

输出

• 数据: 填充后的数据集

功能

Orange中的一些算法和可视化工具无法处理数据中的未知值。这个小部件执行的是统计学家所说的 imputation 过程：它用从数据中计算出的值或用户设置的值来替换缺失值。默认的 imputation 方法是 (1-NN)。

选项"As a distinct value"的含义是将缺失值替换为一个独特的值，这个值不会与数据集中的任何其他值相同。
这是一种简单的填补方法，适用于不想对缺失值进行复杂估算或预测的情况，而是希望将缺失值作为一个独立的类别来处理。

选择"As a distinct value"后，Orange3会将每个缺失值替换为一个新创建的值，通常是添加一个前缀或后缀，或者使用一个特殊的标签，比如"NULL"或"Missing"。
这样做的目的是为了在数据分析过程中保留缺失值的信息，而不是将其删除或用其他数值替代。

这种方法特别适用于分类数据，因为它可以将缺失值作为一个单独的类别来考虑，从而在数据集中保持数据的完整性和可追溯性。
然而，对于数值数据，这种方法可能会引入一个不必要的独特值，这可能会影响后续的分析，例如在执行统计测试或建模时。