很多时候数据集不完整，需要补充数据，本文总结一下处理缺失值的一般方法：

1，填0

2，绝对均值（各个特征分别计算）

3，条件均值（如果能够估算相应特征的概率密度函数）

4，根据K近邻数据的均值填补

5，丢掉。（大数据集适用）

6，如果能够估算概率密度函数，可根据概率密度函数随机生成数字进行填补。这里需要估算概率密度函数的统计特性参数。可根据EM算法来估算（EM算法会另文介绍）。

7，多重填补。使用多个方法6的参数（记为theta）比如m个theta。估算m个缺失值。然后把这m个缺失值恰当的组合起来（比如取均值）。这个值具有某些统计特性。

8，will07论文中针对逻辑回归问题，绕开了确定性填补的方法，通过对缺失值的取值范围进行积分，预测二类的概率。具体可见参考文献1。

9，综述2里面还总结了一些方法，有时间可看看。

ESL9.6描述了如何处理缺失值，现摘录如下：

          首先给出两个概念missing at random(MAR，随机丢失)。随机丢失就是丢失值只与观测值有关，和其它因素无关。第二个概念是完全随机丢失

         如果能够确定缺失值是MCAR的，那么可采用上面所说的一些方法来补值。

         另外，还有一些补值方法是依赖于模型的。例如决策树采用代理分裂的方法来处理缺失值。核心思想是碰到缺失值的特征时，采用没有缺失的特征来分裂树。

 这是目前看到的一些方法，以后还会增补该文。