上一篇文章《浅谈量化中的数据清洗——处理异常值》中,我们讨论了关于异常值的清洗和假设。本文中,我们再聊聊数据缺失值的清洗和假设。
量化研究模型往往是建基于大量数据,然而,在数据挖掘过程中,经常会遇到挖掘出来的特征数据存在各种异常情况,比如数据异常、数据缺失等。对于这些情况,如果不加以处理,将可能直接影响到最终模型建立后的使用效果,甚至可能导致模型失效。所以对于数据挖掘工程师来说,掌握必要的数据清洗方法是很有必要的!
什么是缺失值
缺失值,指的是缺少的数据,由于部分数据结构是齐整的,比如矩阵,缺失的数据会变成空值(NAN)留在其中,对我们后续的研究带来麻烦。我们需要分析后并去掉它们的影响。对于缺失值,量化中常见的处理方法是填充或删除。我们先分析泛用的清洗