处理训练和测试数据中缺失值的适当方法

Question

在医学数据中，通常会有很多缺失值。 现在，我正在处理具有数十个数字特征的数据，其中许多无疑具有很多缺失值。

数据集只有188453个带有标签0或1的数据（时间戳），这不是一个很大的数据集，所以我并不是很想删除数据，并且大多数标签都是0（占数据集的90％） ）。 一些特征的数量甚至低于整个数据集的10％。 两个标签的缺失率几乎相同（相关系数几乎为1）。

我知道有几种处理缺失值的方法，例如删除，均值插补等。 我可能会尝试使用MICE，尽管我不知道它是否会工作，因为我注意到标签0和1之间某些功能的相关系数不相同。 例如，在标签0中，特征A和B之间的corr coef较低，而在标签1中较高。

所以，我的问题是：

1. 对于那些数量低于10％（有些甚至低于1％）的功能，我应该放弃它们还是可以做MICE呢？
2. 我认为最好对标签0和标签1做不同的MICE，因为某些功能的corr coef不相同，但是如果这样做，我可能不知道如何处理测试数据中的缺失值，因为我不会不知道测试数据的标签。
3. 两个标签的数量非常不平衡。我不知道如何在缺少这么多值的情况下进行数据扩充。

或者，如果有更好的方法来处理这种情况，我很高兴知道。衷心感谢您阅读我的问题并期待答案！