[机器学习] 数据缺失的处理方法及其优缺点分析

本文探讨了数据缺失的原因,将其分为完全随机缺失、随机缺失和非随机缺失,并详细分析了各种处理缺失值的方法,如简单删除、加权法、均值插补、聚类插补、极大似然估计和多重插补等,同时阐述了各方法的优缺点。
摘要由CSDN通过智能技术生成

参考:数据缺失的处理方法及其优缺点分析 - 知乎

一、缺失值的原因

缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。缺失值的产生的原因主要为:

  • 无意的:信息被遗漏,比如由于工作人员的疏忽忘记而缺失;或由于数据采集器故障等原因造成的缺失,比如系统实时性要求较高的时候,机器来不及判断和决策而造成缺失;
  • 有意的:有些数据集在特征描述中会规定将缺失值也作为一种特征值,这时候缺失值就可以看作是一种特殊的特征值;
  • 不存在:有些特征属性根本就是不存在的,比如一个未婚者的配偶名字就没法填写,再如一个孩子的收入状况也无法填写。

二、缺失值的分类

按照数据缺失机制可分为:

(1) 完全随机缺失(missing completely at random, MCAR)

所缺失的数据发生的概率既与已观察到的数据无关,也与未观察到的数据无关。数据的缺失是完全随机的,不依赖于任何不完全变量或完全变量&#x

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值