备战数学建模42-缺失值和异常值的处理方法(攻坚战6)

在数据建模中，对给出的数据进行预测处理是很重要的，当然一般考虑有归一化或者规范化等方法对数据进行预处理，这都是在数据完整和没有异常的情况下，需要考虑的。当数据量非常大的时候，往往容易出现数据缺失或者异常的现象，如果数据有确实或者有异常值，我们需要对对缺失值和异常值进行处理。

目录

一、数据预处理

1.1、处理缺失值

1.2、处理异常值

1.3、Matlab处理缺失值和异常值

---

一、数据预处理

1.1、处理缺失值

对于数据确实问题，如果确实量非常大，比如缺失数据达到该项总体数据的40%，就可以考虑直接将该项数据删除，直接不考虑该项指标。

如果缺失的数据比较少，对个体精度要求不高，可以使用均值和众数的方式补全数据。如果对精度要求较高，可以使用牛顿插值法或者样条插值，当然基本上都是用样条插值。