关于缺失值说法错误的是（）
A: 缺失值不包含任何信息，直接删除就可以，不必处理
B: 可以使用一个全局变量来填写缺失值
C: 可以单独作为一类
D: 可以通过人工调查填充缺失值
A: 缺失值不包含任何信息，直接删除就可以，不必处理
B: 可以使用一个全局变量来填写缺失值
C: 可以单独作为一类
D: 可以通过人工调查填充缺失值
A
举一反三
- 对于随机缺失情况下的缺失值填充，以下说法不正确的是 A: 缺失值填充是一种加分手段，可以修复缺失的信息。 B: 可以用邻近值填充缺失值 C: 可以指定用均值填充缺失值 D: 可以指定用众数填充缺失值
- 可以使用下列那种方式填充缺失值（ ） A: 利用缺省值填充缺失值。 B: 人工填充缺失值。 C: 利用临近值填充缺失值。 D: 利用平均值或者中位数填充缺失值。
- 处理缺失数据的方法有(<br/>) A: 直接删除缺失属性的记录 B: 人工填写 C: 使用全局常量填充缺失值 D: 使用属性的中心趋势度量值填充缺失值
- 下列关于缺失值处理的说法错误的是( ) A: 连续型特征可以使用众数来插补缺失值 B: 离散型特征可以使用平均值来插补缺失值 C: 可以将缺失值作为预测目标建立模型进行预测,以此来插补缺失值 D: 根据经验,可以手动对缺失值进行插补
- 下列关于缺失值的说法错误的是( )。 A: 可以利用统计量对缺失值进行填补 B: 可以利用 K 近邻值对缺失值进行填补 C: 只要有缺失值就必须把对应记录删除 D: 对于缺失值较多的属性可以考虑删除
内容
- 0
数据集很大、缺失很多值的时候可以使用人工填写缺失值的方法填补缺失值。
- 1
缺失值的处理方法包括以下哪些（ ） A: 删除元组 B: 补齐缺失值 C: 人工填写 D: 不处理
- 2
有关处理缺失值，下面说法正确的是？ A: 通过dropna方法可以判断DataFrame中是否有缺失值 B: fillna用来删除缺失值 C: duplicated方法可以删除多余的重复项 D: 在侦查缺失值中，通过isnull和notnull方法，可以返回布尔值的对象
- 3
对于一个Series或DataFrame对象来说，如下选项中说法错误的是哪一个？ A: isnull()方法可以用来判断缺失值 B: drop()方法可以用来删除缺失行 C: fillna()方法可以用来填充缺失行 D: fillna()方法可通过method参数指定缺失值用其上或其下的第一个非缺失值填充
- 4
对于一个Series或DataFrame对象来说，如下选项中说法错误的是（ ）。 A: drop()方法可以用来删除缺失行 B: fillna()方法可以用来填充缺失行%1. fillna()方法可通过method参数指定缺失值用其上或其下的第一个非缺失值填充 C: isnull()方法可以用来判断缺失值