二、數據預處理——缺失值處理

點擊標題即可獲取文章相關的源代碼文件喲！

機器學習和數據挖掘中所使用的數據，永遠不可能是完美的。很多特征，對于分析和建模來說意義非凡，但對于實際收集數據的人卻不是如此，因此數據挖掘之中，常常會有重要的字段缺失值很多，但又不能舍棄字段的情況。因此，數據預處理中非常重要的一項就是處理缺失值。

在這里，我們使用從泰坦尼克號提取出來的數據，這個數據有三個特征，一個數值型，兩個字符型，標簽也是字符型。從這里開始，我們就使用這個數據給大家作為例子，讓大家慢慢熟悉sklearn中數據預處理的各種方式。

• impute.SimpleImputer
  
  在講解隨機森林的案例時，我們用這個類和隨機森林回歸填補了缺失值，對比了不同的缺失值填補方式對數據的影響。這個類是專門用來填補缺失值的。它包括四個重要參數：
  
  
  
  
  
  
  
  
  

總結

以上是生活随笔為你收集整理的二、数据预处理——缺失值处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。