缺失值的处理方法

在数据挖掘的实际工程中，由于数据采集成本、隐私保护等原因，得到的训练数据会有缺失值，现在介绍几种处理缺失值的方法。

1、直接删除有缺失值的实例

该方法主要针对含有缺失值的实例较少的情况，否则，不仅不能充分的利用现有的数据信息，也会使得原有的样本密度变得更加稀疏。

2、人工填写缺失值

该方法主要针对只有少量缺失值的情况。

3、使用一个全局的常量填充缺失值

该方法比较简单，但是用一个全局值代替缺失值，效果未必会好，不一定可靠。

4、使用属性的中心度量（如均值、中位数）填充缺失值

该方法用得比较多，但是只有当中心度量比较逼近缺失值的真实值的时候，该方法才有效。

5、使用与给定实例属同一类的所有样本的的属性的中心度量

   在方法4的基础上，该方法仅考虑属于同一类的中心度量。

6、使用最可能的值填充缺失值

可以建立模型对缺失值进行预测，然后用预测得到的值填充缺失值，该方法的效果比较好，但是整体比较麻烦。

7、使用树模型进行空值的处理

该方法是目前用得比较多的方法，很多树模型或者树的组合模型中都用了该方法，具体的原理请参考：http://blog.csdn.net/zxd1754771465/article/details/73550971

参考：《数据挖掘概念与技术》 韩家炜