处理缺失值的常用方法有删除含有缺失值的个案和用可能值插补缺失值。
√
举一反三
- 处理缺失值的方法有（)。 A: 将有缺失值的个案整个删除 B: 人工添加方法 C: 用样本统计量的值去代替缺失值 D: 用统计模型估计值去代替缺失值 E: 只排除有缺失值的项目问题，但保留个案
- 对缺失数据进行处理的方法有( )。 A: 删除个案 B: 删除缺失值 C: 插补法 D: 格式规范 E: 去重复值
- 如果一项调查中，样本量很大；缺失值很少；存有缺失值的变量之间不是高度相关，这时合理的缺失值处理方法是（）。 A: 均值插补 B: 最近邻插补 C: 排除缺失项目的方法 D: 删除个案
- 缺失值的常见处理方式有三种：删除缺失值、填充缺失值和【】。
- 在对回收后的调查问卷进行数据处理时，处理缺失值的办法主要是（）。 A: 用一个样本统计量的值代替缺失值 B: 用从一个统计模型计算出来的值去代替缺失值 C: 将有缺失值的个案删除 D: 将有缺失值的个案保留，仅在相应的分析中做必要的删除
内容
- 0
缺失值的处理方式有哪几种？ A: 忽略缺失值 B: 删除缺失值 C: 缺失值替代 D: 缺失值分析
- 1
对缺失数据进行插补的方法都有哪些（） A: 删除包含缺失值的观测 B: 成对删除法 C: 用最高频率值来填补缺失值 D: 回归插补
- 2
处理缺失值的方法中正确的是（ ）。 A: 删除缺失值 B: 全部说法均不正确 C: 人工补全 D: 平均值代替缺失值
- 3
处理缺失值的方法中正确的是（ ）。 A: 平均值代替缺失值 B: 人工补全 C: 删除缺失值 D: 全部说法均正确
- 4
关于缺失值检测的说法正确的是() A: pandas中的interpolate模块包含了多种插值方法 B: null和notnull可以对缺失值进行处理 C: dropna方法既可以删除观测值,也可以删除特征 D: fillna用来替换缺失值的值只能是数据框