本數量的比例不高的情形 缺點：它以減少資料來換取資訊的完整，丟失了大量隱藏在這些被刪除資料 中的資訊；在一些實際場景下資料的採整合本高且缺失值無法避免，刪除法可 能會造成大量的資源浪費均值填補計算該特徵中非缺失值的平均值（數值型特徵）或眾數（非數值型特 徵），然後使用平均值或眾數來代替缺失值缺點一：均值填補法會使得資料過分集中在平均值或眾數上，導致特徵 的方差被低估 缺點二：由於完全忽略特徵之間的相關性，均值填補法會大大弱化特徵 之間的相關性隨機填補隨機填補是在均值填補的基礎上加上隨機項，透過增加缺失值的隨機性 來改善缺失值分佈過於集中的缺陷。

，！

等距離散化（eal-width discretization）：將資料劃分為等寬間隔的區間，這種方法需要先確定區間的個數n，再根據最小值和最大值ax計算出每個區間的間隔長度（ax-）/n，相鄰兩個區間的寬度都是相同的。等頻率離散化（eal-freency discretization）：將資料劃分為相同的數量級別，每個區間包含的記錄數相等。這種方法首先將資料按照大小排序，然後將排序後的資料分成n等份，每份個數為資料總數/n，在每個區間的邊界處劃分資料。基於聚類的離散化：將資料分成若干個簇，簇內的資料相似度高，簇間資料相似度低。具體實現時可以使用聚類演算法如k-ans、dbscan等。自適應離散化：透過迭代的方式，不斷根據資料的特性調整區間的邊界，以達到最優的離散化效果。下面分別以等距離散化、等頻率離散化、基於聚類的離散化和自適應離散化為例子，分別列出具體的例題：等距離散化假設我們有一個包含1000個學生身高資料的資料集，我們想將身高離散化成10個等寬的區間，以下是離散化方法：計算身高的最小值和最大值，假設最小值為140，最大值為200。計算每個區間的寬度，假設共10個區間，每個區間的寬度為(200-140)/10 = 6。根據每個學生的身高，將其分入相應的區間。等頻率離散化假設我們有一個包含200家公司的財務資料的資料集，我們想將每個公司的營業收入離散化成5個等頻率的區間，以下是離散化方法：將所有公司的營業收入升序排序。計算每個區間的資料數量，在本例中，因為共有200個公司，所以每個區間包含40個公司。找到每個區間的邊界，比如第一個區間的最小值和第二個區間的最大值，這兩個值之間的所有公司的營業收入都屬於第一個區間。

：()離語