3、数据探索与集成机器学习入门

数据探索与集成机器学习入门

一、数据预处理：处理缺失值

在处理数据时，缺失值是一个常见的问题。以下是处理缺失值的详细步骤：
1. 识别缺失值 ：查看各变量缺失值的绝对数量和百分比。例如，发现 Alley 变量超过 93%的值缺失。
2. 处理特殊编码的缺失值 ：查阅数据描述，发现 Alley 变量的 NA 代表 No Access ，将其替换。
3. 处理数值型变量的缺失值 ：对于 LotFrontage 变量，超过 17%的值缺失，使用该变量的中位数进行填充。
4. 处理其他编码为 NA 的值 ：识别其他编码为 NA 的变量，将其替换为实际信息。
5. 处理特定变量的缺失值 ：对于 MasVnrType 和 MasVnrArea 变量，根据二者关系，将 MasVnrType 缺失值填充为 None ， MasVnrArea 缺失值填充为 0.0。
6. 处理最后一个缺失值 ：对于 Electrical 变量，根据 MSSubClass <