AITerms 登入
資料處理統計方法機器學習

資料填補(Data Imputation)是什麼?

資料填補是處理遺失值的方法,透過統計方法估算並替換遺失值,以維持資料完整性,避免分析偏差。

完整定義

資料填補是一種處理資料集中遺失值的技術。它使用統計方法來估算遺失值,並用這些估算值替換原始的遺失值,從而維持資料集的完整性,並減少因遺失值造成的分析偏差。常見方法包括均值填補、中位數填補、眾數填補、迴歸填補和多重填補。

白話說明

你有沒有在你看到資料欄位有缺值時,還在想這件事到底該怎麼看?

把它想成用合理方法把缺掉的空格補起來。

缺值不處理,很多模型不能直接訓練,或會被偏差影響。

補值方式不同,結果差很多,不能隨便塞一個平均數就結束。

記住這句

補值要合理,不是隨便填滿。

比喻:資料填補就像寫考卷時遇到不會寫的空格 -- 你不能直接跳過不寫,而是根據其他題目或常識去「猜」一個最合理的答案填進去,讓整份考卷看起來完整,方便批改。

容易混淆

data-deletion

vs 刪除遺失值:刪除遺失值像把有缺頁的書直接丟掉,雖然解決了問題,但可能丟掉很多有用的資訊;資料填補像把缺頁補上,盡量保留所有資訊,讓資料完整可用。

常見混淆:資料填補 vs data-deletion

補值是把缺的補起來,刪除是直接移除樣本。

實際案例

年齡缺漏

可用中位數、鄰近樣本或模型估計去補,但要保留缺值是否存在的資訊。

感測器掉點

短時間缺值可插補,長時間缺值可能要改資料來源或丟棄。

演算法與應用

1. 常見方法有平均數、中位數、眾數、插值和模型式補值。

2. 補值前要先看缺值是隨機缺失,還是有規律地缺。

3. 不同欄位適合不同方法,數值欄和類別欄不能一樣補。

情境判斷

Q1:少量年齡欄缺值,你會先想到什麼?

先用合理的統計方法補值,再觀察是否需要保留缺值旗標。

Q2:如果缺值很多而且不是隨機缺失,還能直接補嗎?

要看情況,這時單純補值可能會引入偏差,甚至比刪掉更糟。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 4 題把資料填補列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本