or
本练习是课程的一部分
熟悉缺失数据以及它对分析的影响！了解数据集中不同的空值操作，如何查找缺失数据，并对数据中的缺失情况进行汇总。
分析数据集中缺失类型是处理缺失值的重要一步。在本章中，您将深入学习如何识别缺失与非缺失数据中的模式，并使用诸如按案例删除（listwise deletion）等简单技术，恰当地处理缺失。
走进数据插补的世界！在本章中，您将应用基础插补技术填补缺失数据，并对插补结果进行可视化，以便评估插补效果。
最后，超越简单插补技术，利用依赖机器学习模型的高级插补方法，充分发挥数据集的价值，更准确地插补并评估缺失数据。您将使用 KNN 和 MICE 等方法，从缺失数据中获取尽可能多的信息。
当前练习