机器学习数据预处理之缺失值：插值法填充+ lagrange插值+拉格朗日插值
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习数据预处理之缺失值：插值法填充+ lagrange插值+拉格朗日插值相关的知识，希望对你有一定的参考价值。
机器学习数据预处理之缺失值：插值法填充+ lagrange插值+拉格朗日插值
garbage in, garbage out.
没有高质量的数据，就没有高质量的数据挖掘结果，数据值缺失是数据分析中经常遇到的问题之一。当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理。但在实际数据中，往往缺失数据占有相当的比重。这时如果手工处理非常低效，如果舍弃缺失记录，则会丢失大量信息，使不完全观测数据与完全观测数据间产生系统差异，对这样的数据进行分析，你很可能会得出错误的结论。
插值法又称“内插法”，是利用函数f(x)在某区间中已知的若干点的函数值，作出适当的特定函数，在区间的其他点上用这特定函数的值作为函数f(x)的近似值，这种方法称为插值法。如果这特定函数是多项式，就称它为多项式插值。
在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解。如对实践中的
以上是关于机器学习数据预处理之缺失值：插值法填充+ lagrange插值+拉格朗日插值的主要内容，如果未能解决你的问题，请参考以下文章
机器学习数据清洗之缺失值处理缺失的原因缺失值删除缺失值填充KNN填充