R中的缺失值處理流程

step1：識別缺失數據 step2：檢查導致數據確實的原因 step3：刪除包含缺失值的實例或用最合理的數值代替缺失值（刪除或插補） *對於缺失數據的分類： MCAR：完全隨機缺失 MAR：隨機缺失，缺失數據的概率與其他觀測變量相關，與爲未觀測值不相關 NMAR： 非隨機缺失，缺失概率與未觀測值相關 library(mice) 以VIM包中的 哺乳動物睡眠 sleep數據集爲例 step1：識別

>>阅读原文<<