缺失值处理

缺失值的处理
缺失值的类型分为

完全随机缺失（missing completely at random，MCAR）

指的是数据的缺失是随机的，数据的缺失不依赖于任何不完全变量或完全变量。

随机缺失(missing at random，MAR)

指的是数据的缺失不是完全随机的，即该类数据的缺失依赖于其他完全变量。

完全非随机缺失(missing not at random，MNAR)

指的是数据的缺失依赖于不完全变量自身。

缺失值从缺失值的所属属性来讲可以分为单值缺失，任意缺失和单调缺失。

单值缺失

如果所有的缺失值都是同一属性，那么这种缺失成为单值缺失。

任意缺失

如果缺失值属于不同的属性，称为任意缺失。

单调缺失

对于时间序列类的数据，可能存在随着时间的缺失，这种缺失称为单调缺失

处理方法

如果缺失数值在5%上下也是连续性变量的话，那么我们可以考虑使用序列平均值(也就是整个数据集当中非空数据的平均值来进行替换)
临近点附近的平均数意思就是。在缺失值附近的点用他们的非空数值，然后来计算出平均数，再进行替换，我们可以选择邻近点范围。
中间值临近点附近的中间值也是同样的道理。
线性趋势则是利用系统来进行做出预算。
线性插值使用较少，
如果数据缺少20%到30%，那么我们就建议直接舍弃，如果是小数据集，由于数据收集不易，所以建议补全
如果是分类变量，则建议使用众数。
如果是等级变量，则建议使用中位数来进行填补。
自变量完整，自变量与因变量有因果，有因果关系的，建议使用缺失值分析当中的回归分析，
如果上述要求不满足，或者你也可以嫌麻烦，直接用EM分析，但是记得一定要保存为新数据值才会生效。
我们要如何确定缺失值比例的，那就要使用缺失值分析。
如果众数和中位数的话，则需要采用描述性统计，

多重插补
多重插补法报错的时候，看看变量是不是标度
插补法需要先进行分析，查看缺失情况，可以看到具体缺失为几种模式(看y轴)