版权声明：如需转载，请注明出处 https://blog.csdn.net/u010358304/article/details/81273538
1）平均值、中值、分位数、众数、随机值等替代
2）用其他变量做预测模型来算出缺失变量。
3）把变量映射到高维，也即是把有n个值的特征转化为一个n维特征并进行01填充；连续值特征可以离散化后再做处理。这是在n不是很大的情况下这样处理。如果n很大，可以将nan作为一个值
4）如果只有train中有缺失值，则使用1处理；否则，如果train和test都有很多缺失值，可以将这个作为一个bool型/01二值型特征添加。
5）缺失值很多，直接舍弃掉这一维特征。
6）忽略：随机森林能直接处理缺失值（直接赋予缺失值的特殊值；为缺失值单独分叉）