缺失数据预处理

1. 保留缺失数据不予处理：

不对缺失数据做任何处理

2. 直接丢弃含缺失数据的记录,

也就是将存在遗漏信息属性值的对象(元组、记录)删除，从而得到一个完备的信息表．

个案剔除法(Listwise Deletion)
最常见、最简单的处理缺失数据的方法，也是很多统计软件（如SPSS）默认的缺失值处理方法。

注意：

如果缺失值所占比例比较小，这一方法十分有效。

至于具体多大的缺失比例算是“小”比例，专家们意见也存在较大的差距。有学者认为应在5%以下，也有学者认为20%以下即可。

局限性：

  以减少样本量来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏在这些对象中的信息。
  当缺失数据所占比例较大，特别是当缺失数据非随机分布时，这种方法可能导致数据发生偏离，从而得出错误的结论。

3. 特殊值填充：

将缺值作为一种特殊的属性值来处理，它不同于其他的任何属性值．如所有的缺值都用“unknown”填充，这样将可能导致严重的数据偏离， 不推荐！

A. 用平均值来代替所有缺失数据
B. K -最近距离邻居法：先根据欧式距离或相关分析来确定距离具有缺失数据样本最近的K个样本，将这K个值加权平均来估计该样本的缺失数据。
C.用回归、贝叶斯形式化方法或判定树归纳确定，这些方法直接处理的是模型参数的估计而不是空缺值预测本身．与前面的方法相比，它使用现存数据的多数信息来推测空缺值