如果某一列中存在大量的缺失值, 并且确定该列没有太多的价值, 可以考虑删除该列
直接删除含有缺失值的行. 但是对于维度很多的数据, 假设大量的维度都存在缺失值, 这个方法很容易丢弃大量的样本
另一列的分类 , 分类之后取同分类的属性均值或者中位数填充更流行对于非数值型的数据, 我们需要对其进行处理, 将其转化为数值类型, 比如向量或者矩阵形式. 这样的过程我们称之为 特征编码
其中最常用的技术为 独热编码 ( one-hot encoding )
譬如对于 类别标签, 我们可以使用枚举, 对于 是否标签, 我们可以使用 0 和 1. 这个是一个很常见的概念.
但是在机器学习中, 直接使用枚举, 这里边存在 数与数之间是有大小关系的, 而这些大小关系势必影响到模型结果
所以正确的方式应该是使用独热编码. 它的方式是, 在标签特征的基础上需要创建一个向量。这个向量的长度跟类别种类的个数等同的，另外，除了一个位置是1，其他位置均为0， 1的位置对应的是相应类别出现的位置。
比如有三个类别0，1，2… 那这时候向量的长度为3。 对应于0的向量为(1,0,0), 对应于1的向量为(0,1,0)2的向量为(0,0,1)。 但实际上，由于没有顺序的先后关系，设置独热编码向量时可以有很多不同的方法。