机器学习中如何处理缺失数据？

1. 如果缺失值的样本占总数比例极高，一般直接舍弃了，否则作为特征加入的话，可能会带入noise,影响结果
2. 如果样本缺失值适中，而该属性为非连续值特征属性（比如说类目属性），可以把NAN作为新类别，加到类别特征中。
3. 如果样本缺失值适中，而该属性为连续值特征属性，可以考虑一个step把它离散化，然后把NAN作为一个type加到类目属性中。
4. 如果缺失的值不是特别多，可以进行填充：固定值填充、均值填充、上/下数据填充，插值法填充、算法拟合填充。
5. 当train中有缺失值，而test中没有缺失值时，可以对缺失值取条件均值或者条件中值。（条件均值即根据该用户的label值类别，取所有该label下的用户该属性的均值）
6. 当train和test都有大量缺失值时，可以考虑将缺失值也作为一种特征，在该特征下根据是否缺失将其分为0和1两种