1.md

1. 如何处理特征向量的缺失值

<iframe src="https://ghbtns.com/github-btn.html?user=geekcircle&repo=machine-learning-interview-qa&type=star&count=true&size=large" frameborder="0" scrolling="0" width="160px" height="30px"></iframe>

1) 缺失值较多

缺失值较多.直接将该特征舍弃掉，否则可能反倒会带入较大的噪声，对结果造成不良影响。

2) 缺失值较少

缺失值较少，其余的特征缺失值都在10%以内，我们可以采取很多的方式来处理:

• 方式1: 把NaN直接作为一个特征，假设用0表示；

  data_train.fillna(0) 

• 方式2: 用均值填充；

  均值填充可能需要取条件均值，例如某训练集中患癌症和不患癌症的数据中，该值的差距很大，那么就应当填充label相同的数据的均值。

  data_train.fillna(data_train.mean()) 

• 方式3：用上下数据进行填充；

  # 上一个数据填充
  data_train.fillna(method='pad')
  # 下一个数据填充
  data_train.fillna(method='bfill') 

• 方式4：插值法

  # 即估计中间点的值
  data_train.interpolate() 

• 方式5：用随机森林等算法拟合

  将数据分为有值和缺失值2份，对有值的数据采用随机森林拟合，然后对有缺失值的数据进行预测，用预测的值来填充。