数据清洗

缺失量较大直接删除特征

少量缺失值处理常用方法 #card

• 自适应层
  • 缺失值用 w1
  • 如果不是缺失值用 w2*x
• 均值插补
• 同类均值插补
• 建模预测，使用模型对缺失值进行预测
• 高维映射
• 多重插补
• 压缩感知及矩阵补全

对于数值异常，可以使用箱线图观察分析，#card

• 如个别样本特征出现极大值或极小值，可以采用最简单的均值、中位数等填充，
• 或者在数据量级不大的情况下，直接删除存在异常特征的样本。