真實資料常有缺失。處理三類：補值（猜合理數字）、刪除（丟整列）、標記（缺失也是資訊）。
選哪個取決於『為什麼會缺』——沒有萬用解。
真實資料常有缺失（沒填、感測器壞、整合漏掉）。處理方式有三類：補值（猜一個合理數字填進去）、刪除（整列丟掉）、標記（把「缺失」本身當成一種資訊）。選哪個，取決於為什麼會缺。
均值/中位數/KNN 猜一個值。
整列刪除，簡單但損失資料。
「缺失」本身可能有意義。
缺失機制三種：MCAR（完全隨機）、MAR（與其他欄位有關）、MNAR（與缺失值本身有關，最棘手）。機制不同，處理策略也不同。
一欄資料中間挖空了幾格。切換補值方法，看補進去的值（紅點）與真實趨勢的差距。沒有萬用解——要看資料的形狀。
趨勢資料（如時間序列）用「線性插補」貼合最好；均值補值會把所有缺失都填成同一個值，破壞趨勢。沒有最好，只有最適合。
沒有萬用解，方法要配合缺失機制與資料型態。點一眼帶走：
| 方法 | 怎麼做 | 適合 | 風險 |
|---|---|---|---|
| 均值 / 中位數 | 用該欄統計量填數值 | 數值型、缺失少 | 低估變異、破壞趨勢；中位數較抗離群 |
| 眾數 | 填最常見的類別 | 類別型欄位 | 放大多數類別 |
| 前後值 / 線性插補 | 沿趨勢或前後值補 | 時間序列 | 遇轉折點會失真 |
| 模型補值(KNN/迴歸) | 用其他欄位預測 | 缺失有規律(MAR) | 計算較貴、可能過擬合 |
| 刪除 | 丟整列或整欄 | 缺失極少 / 整欄多缺 | 損失資料、可能引入偏差 |
| 缺失指示欄 | 加一個布林標記 | MNAR、缺失本身有意義 | 增加維度 |
缺失值處理是資料清理的重點,iPAS 考點(初級科目一、中級科目二)。重點:可刪除(整列或整欄)或填補(平均、中位數、眾數、模型預測、前後值),依缺失比例與機制選擇。易混點:要看缺失機制(完全隨機 MCAR、隨機 MAR、非隨機 MNAR)——非隨機缺失硬填會引入偏誤;大量缺失的欄位可能該刪。情境:選填補法、判斷某做法會不會扭曲分布。
想練情境題與詳解 → AI 學習與考證地圖
MCAR(完全隨機缺失)、MAR(隨某些已觀測變數而缺)、MNAR(與缺失值本身有關，如高收入者不填收入)；類型影響該怎麼處理。
刪除(整列或整欄)、填補(均值/中位數/眾數、前後值、模型預測如 KNN 或迴歸)、或新增「是否缺失」指示欄保留訊息。
缺失比例很低且為隨機(MCAR)時刪列影響小；某欄缺太多(如超過一半)可考慮刪欄。但刪除會損失資料，需謹慎。
用含測試集的全資料算均值來填會造成資料洩漏；應只用訓練資料的統計量，並在 pipeline 內對各折分別擬合。
有時有(MNAR)——「缺失」這件事可能與目標相關，可加一個布林指示欄讓模型利用，而非直接抹掉。