特征预处理和特征生成 (三)缺失值的处理

一，填充缺失值

填充NaN的方法要取决于特定情况！
填充缺失值常用的方法有以下三种：

• 将NaN替换为一个常数，如-1，-999等等。
  这种方法可以认为是将缺失值看成了一个单独的类别。这种方法的缺点是线性网络的性能会受到影响。
• 将NaN替换为均值或者中位数、众数等。
  这种方法通常对简单线性模型和神经网络有益。但是对基于树的模型而言，首先选择缺失值的对象可能会更困难。
• 通过已有的值构建出缺失值的值，例如可以专门通过一个模型来预测缺失值。
• 一些模型自带缺失值处理功能，不用专门再处理缺失值，如XGBoost和CatBoost。

需要注意的是有时候缺失值已经被组织者替换了！

二，利用缺失值生成新特征

通常情况下，在特征生成之前要避免填充NaNs！

1，二值特征isnull可能会很有用，它指明了哪些特征是缺失值，可以看做一个类别特征。

在计算平均值或中位数时，这种方法可以解决树和神经网络的问题。 但是这样做的缺点是我们会在数据集中增加两倍的列数。

2，我们想用数