［每日问答］缺失值如何处理？

1.删除
当某个变量或者某个样本中缺失值占比过大时，那么我们可以认为这一变量或者样本没有意义，可以直接删除。

2.补全
（1）用平均值、中值、分位数、众数、随机值等替代。效果一般，因为等于人为增加了噪声。
（2）用其他变量做预测模型来算出缺失变量，效果比方法（1）略好。有一个根本缺陷，如果其他变量和缺失变量无关，则预测的结果无意义。如果预测结果相当准确，则又说明这个变量是没必要加入建模的。
（3）把变量映射到高维空间。比如性别，有男、女、缺失三种情况，则映射成3个变量：是否男、是否女、是否缺失。连续型变量也可以这样处理，比如Google、百度的CTR预估模型，预处理时会把所有变量都这样处理，达到几亿维。这样做的好处是完整保留了原始数据的全部信息，不用考虑缺失值和线性不可分之类的问题，缺点是计算量大大提升。

3.忽略
有一些模型如随机森林，人工神经网络等，自身能够处理数据缺失的情况，在这种情况下不需要对缺失数据做任何的处理，这种做法的缺点是在模型的选择上有局限。

参考文献

https://www.zhihu.com/question/26639110