机器学习-如何处理数据集中的缺失值

版权声明：本文为博主原创文章，未经作者允许请勿转载。 https://blog.csdn.net/heiheiya https://blog.csdn.net/heiheiya/article/details/83276804

有时候收集数据是非常困难的，如果因为部分缺失值而扔掉或者重新获取代价太大了。

可以采取下面的一些方法来解决这个问题：

• 使用可用特征的均值来填补缺失值；
• 使用特殊值来填补缺失值，如-1；
• 忽略有缺失值的样本；
• 使用相似样本的均值填补缺失值；
• 使用另外的机器学习算法预测缺失值。