处理分类特征缺失值的两种方法

这段文字主要介绍了处理缺失值的两种方法：

**1. 使用最频繁值填充缺失值：**这种方法会将数据集中出现频率最高的类别用于填充缺失值。例如，在文中给出的例子中，square是出现频率最高的类别，因此缺失值会被填充为square。

**2. 使用missing字符串填充缺失值：**这种方法将缺失值视为一个独立的类别，并用missing字符串进行填充。

作者认为第二种方法更可取，因为它将缺失值视为一个独立的特征，并通过独热编码将其转化为一个新的特征列。这与“缺失值指示器”的概念类似，能够更有效地反映数据中的缺失信息。

文章最后强调，缺失值处理是一个复杂的话题，需要根据具体情况选择合适的方法，而不仅仅是使用简单的填充方法。

需要填充分类特征的缺失值？ 两种选择：1. 填充最常见的数值2. 填充“缺失”的值，将其视为一个独立的类别