【数据分析】缺失值处理

  1. 均值填充: 对于++数值型++ 的特征,采用该特征在已有数据中的++平均值或中位数++来填充缺失值。

  2. 众数填充: 对于++类别型++ 的特征,采用该特征在已有数据中++出现频率最高的类别++来填充缺失值。

  **3. 插值法:**通过已有的数据,推算出缺失值,常用的插值方法包括线性插值、多项式插值、样条插值等。

 ** 4. 预测模型填充:**采用其他特征的信息,通过建立模型来预测缺失值,常用的模型包括KNN、决策树、随机森林等。

  **5. 删除法:**对于缺失值比例较小的数据,可以考虑删除缺失值较多的行或列。

 ** 6. 中位数:**若数据呈偏态分布。

  

相关推荐
GAOJ_K11 小时前
老旧产线弧形导轨换新:同规格替换避坑选型思路
人工智能·算法·机器学习·制造·导轨偏磨
XIAOYU67201311 小时前
软件工程转数据分析现实吗?适合哪些学生
数据挖掘·数据分析·软件工程
fanstuck17 小时前
1M 上下文能怎么用?我用 Seed Evolving 做了一个招标文件版本差异审查器
服务器·人工智能·数据分析·开源·aigc
没有梦想的咸鱼185-1037-166321 小时前
AI-Python机器学习与深度学习技术:CNN/Transformer/扩散模型、SHAP可解释及Hermes智能体自动化
人工智能·python·深度学习·机器学习·chatgpt·cnn·transformer
一只小bit1 天前
LangGraph 子图使用和房源搜索Agent综合案例实现
机器学习·langchain·llm·langgraph
海兰1 天前
【高速缓存】RedisVL为文本生成嵌入向量实践指南
人工智能·python·机器学习
老刘说AI1 天前
SGLang 深度优化: Radix 缓存与复杂任务的极致吞吐
人工智能·神经网络·机器学习·缓存·架构·sglang
我登哥MVP1 天前
Headroom 深度指南:AI Agent 上下文压缩实战
人工智能·python·深度学习·神经网络·机器学习·自然语言处理·pip
OpenApi.cc1 天前
来了,来了,我来了,Mocode
人工智能·深度学习·神经网络·目标检测·数据挖掘