填充缺失值（Imputation）

为什么要填充缺失值？

• 大多数机器学习模型 不能处理 NaN

• 直接删除数据可能导致：

  • 样本数量大幅减少
  • 类别比例失衡
• 合理填充能 保留信息 + 提升模型稳定性

均值填充（Mean Imputation）

适用情况：

• 连续数值型变量
• 数据分布较对称
• 异常值不多

train["Age"].fillna(train["Age"].mean(), inplace=True)

缺点：

• 对异常值非常敏感
• 可能拉偏整体分布

中位数填充（Median Imputation）

适用情况：

• 连续数值型变量
• 存在异常值或偏态分布

train["Age"].fillna(train["Age"].median(), inplace=True)

优点：

• 抗异常值能力强
• 工业界最常用

众数填充（Mode Imputation）

适用情况：

• 类别型变量
• 离散特征

train["Embarked"].fillna(train["Embarked"].mode()[0], inplace=True)

常见使用对象：

• 性别
• 城市
• 国家
• 等级类别

异常值检测（Outlier Detection）

pt.boxplot(dataframe)