機器學習之數據預處理

一. 缺失值處理 對於數據集中顯示NaN的缺失值進行處理（不同數據集缺失值顯示狀態可能不同） 1.刪除法 通過刪除包含缺失值的數據，得到一個完整的數據子集。刪除既可以刪除特徵（列），也可以刪除樣本（行）。 刪除特徵：當某個特徵缺失值較多，且該特徵對數據分析目標影響不大時，可將該特徵刪除。 刪除樣本：當某些樣本多個特徵值缺失，且存在缺失值樣本佔整個數據集樣本數量比例不高時刻刪除樣本。 2 .均值填補

>>阅读原文<<