本文介绍了MATLAB中处理缺失值的常见方法，包括删除、pandas填充、sklearn填充以及利用算法填充。强调了填充缺失值的重要性，并提供了具体的代码示例，如使用SimpleImputer和随机森林算法进行填充。
前言
不论是自己爬虫获取的还是从公开数据源上获取的数据集，都不能保证数据集是完全准确的，难免会有一些缺失值。而以这样数据集为基础进行建模或者数据分析时，缺失值会对结果产生一定的影响，所以提前处理缺失值是十分必要的。
以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！
对于缺失值的处理大致可分为以下三方面：
-
不处理
-
删除含有缺失值的样本
-
填充缺失值
不处理应该是效果最差的了，删除虽然可以有效处理缺失值，但是会损伤数据集，好不容易统计的数据因为
订阅专栏 解锁全文
扫一扫
评论 1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
