【数据分析】缺失值处理

  1. 均值填充:对于数值型的特征,采用该特征在已有数据中的平均值或中位数来填充缺失值。

  2. 众数填充:对于类别型的特征,采用该特征在已有数据中出现频率最高的类别来填充缺失值。

  3. 插值法:通过已有的数据,推算出缺失值,常用的插值方法包括线性插值、多项式插值、样条插值等。

  4. 预测模型填充:采用其他特征的信息,通过建立模型来预测缺失值,常用的模型包括KNN、决策树、随机森林等。

  5. 删除法:对于缺失值比例较小的数据,可以考虑删除缺失值较多的行或列。

  6. 中位数:若数据呈偏态分布。

  

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不菜不菜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值