杂记-缺失值插值方式

均值填充 (Mean Imputation)：

• 均值填充是最简单的缺失值插值方法之一。它的原理是用特征列的平均值来填充缺失值。这种方法适用于连续型数据，且假设缺失的数据是随机的。
• 优点：简单易用，不需要额外的模型训练。
• 缺点：可能会引入噪音，尤其是当数据有较多的离群值时。

中位数填充 (Median Imputation)：

• 中位数填充与均值填充类似，但是它用特征列的中位数来填充缺失值。中位数是将数据按顺序排列后，位于中间位置的值。
• 优点：对于数据中存在离群值的情况更稳健。
• 缺点：可能仍然引入噪音，特别是当数据分布不对称时。

众数填充 (Mode Imputation)：

• 众数填充使用特征列的众数（即出现频率最高的值）来填充缺失值。这种方法通常用于离散型数据或具有明显众数的连续型数据。
• 优点：适用于离散型数据，能够保持数据的整体分布。
• 缺点：对于连续型数据或分布不均匀的数据不够合适。

线性插值 (Linear Interpolation)：

• 线性插值是一种连续型数据的插值方法，它使用已知数据点之间的直线来估计缺失值。这意味着在两个已知数据点之间的任何位置，都可以使用线性函数来估计缺失值。
• 优点：适用于时间序列或有序数据，能够在一定程度上保持数据的趋势。
• 缺点：对于非线性关系的数据可能表现不佳。