数据预处理的方法

去除唯一属性

唯一属性通常是一些id属性，这些属性并不能刻画样本自身的分布规律，所以简单地删除这些属性即可

处理缺失值

缺失值处理的三种方法：
直接使用含有缺失值的特征；
删除含有缺失值的特征(该方法在包含缺失值的属性含有大量缺失值而仅仅包含极少量有效值时是有效的)；
缺失值补全

常见的缺失值补全方法

(1) 均值插补:
如果样本属性的距离是可度量的，则使用该属性有效值的平均值来插补缺失的值
(2) 同类均值插补:
首先将样本进行分类，然后以该类中样本的均值来插补缺失值
(3) 建模预测
(4) 高维映射
(5) 多重插补

参考文章
参考文章1
参考文章2