在缺少功能的数据集上执行EDA

Question

我是新来的。

我想在这样的数据集上执行EDA，这些数据集是我的火车和测试集缺少的特性统计数据：

• 列车: Test_0 0 Test_1 31 Test_2 0 Test_3 141 Test_4 0 Test_5 0 Test_6 0 Test_7 0 Test_8 1045 Test_9 0 Test_10 0 Test_11 0 Test_13 0 Test_14 0 Test_14 0 Test_15 2967
• 测试: Test_0 0 Test_1 7 Test_2 0 Test_3 46 Test_4 0 Test_5 0 Test_6 0 Test_7 0 Test_8 279 Test_9 0 Test_10 0 Test_11 0 Test_12 0 Test_13 0 Test_14 0 Test_15 738 dtype: int64

我的火车上总共有3616条数据线，我的测试集上有905条。我如何决定哪些功能需要“丢弃”，哪些是“人工填充”(以及如何填充--我读了一些关于平均填充的内容等等)。

如果有人也能给我指点说明这个问题的指南，我会很感激的。

谢谢!

Answer 1

有许多技术，您可以通过这些技术来填充缺失的值。其中一些是：

1.)用你正确指出的平均、中位或模式代替。

2.)用0这样的常量值替换

3.) KNN输入器

4.) 迭代输入器

要使用哪些数据取决于您拥有的数据类型。或者你可以试试看哪一个给你最好的结果。

干杯!