m0_49549614的博客

缺失值的处理由于各种原因，我们使用的数据集或多或少地存在着缺失值。如果直接删除缺失值，会丢失其他有价值的数据，以下是处理缺失值的几种方法。直接删除当缺失值的个数只占整体很小一部分的时候，可直接删除缺失值。但是如果缺失值占比上升，这种缺失值处理方法误差就很大了。在采用删除法处理缺失值时，需要首先检测样本总体中缺失值的个数。python中统计缺失值的方法如下：import numpy as npimport pandas as pddata = pd.read_csv('data.csv',e

缺失值处理介绍一、造成数据缺失的原因二、数据缺失机制三、空值语义四、空值处理的重要性和复杂性五、空值处理方法的分析比较5.1 删除元组5.2 数据补齐5.2.1 人工填写（filling manually）5.2.2 特殊值填充（Treating Missing Attribute values as Special values）5.2.3 平均值填充（Mean/Mode Completer）5.2.4 热卡填充（Hot deck imputation，或就近补齐）5.2.5 K最近邻法（K-means