如何处理数据集中的缺失值

Question

我有一个简单的分类问题，我正在尝试使用keras通过神经网络解决。有一个数字数据集，大小为26000 *17。但是问题是，数据集中有很多缺失值（空值）。数据非常敏感，因此我既不能忽略所有包含空值的行，也不能用平均值，均值或任何标准数替换数据中的空值。还存在不使用KNN插补替换丢失条目的约束。 处理此类数据集的最佳方法是什么？

Answer 1

我不知道您的数据至关重要。顺便说一句，没有那么好的方法来处理缺失值。当然，您必须通过找到均值或平均值或任何标准数字（例如0）来处理它。 KNN插补被认为是最佳方法，但不知道为什么存在不使用KNN插补的约束。

Answer 2

在任何类型的数字数据集中替换缺失值的最佳方法是KNN-Imputation，它通过考虑邻居条目来替换缺失值。