【数据分析】缺失值处理

　　1. 均值填充：对于数值型的特征，采用该特征在已有数据中的平均值或中位数来填充缺失值。

　　2. 众数填充：对于类别型的特征，采用该特征在已有数据中出现频率最高的类别来填充缺失值。

　　3. 插值法：通过已有的数据，推算出缺失值，常用的插值方法包括线性插值、多项式插值、样条插值等。

　　4. 预测模型填充：采用其他特征的信息，通过建立模型来预测缺失值，常用的模型包括KNN、决策树、随机森林等。

　　5. 删除法：对于缺失值比例较小的数据，可以考虑删除缺失值较多的行或列。

　　6. 中位数：若数据呈偏态分布。