数据清洗阶段，对于以下哪些处理方式可以用来处理缺失值？（） ①用均值填充 ②转换为哑变量（0，1），代表数据是否缺失 ③使用回归模型去预测缺失值
A: ①②③
B: ②③
C: ①③
D: ①②
A: ①②③
B: ②③
C: ①③
D: ①②
举一反三
- 在实际环境下，很多数据集都包含缺失数据，对于缺失数据的处理常用的方法包括以下哪几种？ A: 缺失作为属性的一个取值 B: 利用模型预测缺失值 C: 用最少的属性值填充 D: 用最大值填充
- 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
- 在实际环境下，很多数据集都包含缺失数据，对于缺失数据的处理常用的方法包括以下哪几种？ A: 缺失作为属性的一个取值 B: 利用模型预测缺失值 C: 随机值填充 D: 用最小值和最大值填充 E: 用固定值填充
- 对于缺失值，以下说法正确的是？（） A: 所有的有监督学习模型都不支持有缺失值的情况 B: 遇到有缺失值的情况，优先考虑删除变量 C: 对于分类数据，考虑使用均值填充 D: 对于连续型数据，考虑使用均值填充
- 缺失值处理的方法不包括（） A: 进行随机值填充 B: 0值填充 C: 均值填充 D: 丢弃缺失太多的变量