缺失值產生原因
數據集中部分數據的缺失是一件很頭疼的事情，不但增大了數據集的不確定性，也影響了算法的執行。缺失值產生的原因主要有以下幾點：
1.有些信息暫時無法獲取，或獲取信息的成本過高
2.信息遺漏，即人爲的原因，如收集信息不認真、忘記填寫信息等
3.缺失值本身就不存在，比如單身狗的女朋友
缺失值的影響
1.數據集丟失了大量的信息
2.數據集表現出的不確定性增大，使得獲取數據潛在規律的難度加大
3.包含空值的數據會使數據建模陷入混亂，導致輸出不可靠
缺失值的處理方法
1.刪除缺失值
應用場景：
含有大部分缺失值的屬性，直接刪除屬性
若數據集中只有少量的缺失值，直接刪除含有缺失值的行
2.忽略
嗯…忽略不管缺失值也是一種處理方法，例如對於決策樹，對一個含有缺失值的特徵求熵，只需在求得的熵前乘以（未缺失值的個數/所有樣本個數）的係數就行。關於決策樹的缺失值處理方法，將在後續博客中書寫。
3.插補方法
插補方法就很靈性了，可以取均值/中位數/衆數，也可以用固定值插補，還可以用臨近值來填補。除了上述方法，還可以用預測方法來填補缺失值，這類方法稱爲插值法。
插值法有拉格朗日插值法、牛頓插值法，Hermite插值、分段插值、樣條插值法等
下面把拉格朗日插值法、牛頓插值法做一個簡單的介紹
拉格朗日插值法
拉格朗日插值是一種多項式插值方法，是利用最小次數的多項式來構建一條光滑的曲線，使曲線通過所有的已知點。
拉個朗日插值法是一種多項式的插值方法，它的思想是對於無缺失值的n個樣本構建一條光滑的曲線，使曲線通過所有的n個樣本點，然後將含有缺失值的樣本對應的屬性點x帶入這條曲線，即可獲得缺失值的近似值。
具體流程如下（圖片來自《python數據分析與挖掘實戰》）：
牛頓插值法
牛頓插值法是通過求階差商來預測缺失值的，步驟如下：
1.對無缺失值的n個樣本樣本求所有的階差商公式
2.聯立差商公式建立插值多項式f(x)
3.將將含有缺失值的樣本對應的屬性點x帶入插值多項式f(x)，獲取近似值
具體流程如下（圖片來自《python數據分析與挖掘實戰》）：
參考
《python數據分析與挖掘實戰》