处理数据集中的缺失值一般采取以下方法____。A. 删除相关记录B. 替换为0C. 替换为Nan即可D. 用估计的数据填充

考查要点：本题主要考查数据预处理中缺失值的处理方法，需要明确常见处理策略及其适用场景。

解题核心思路：

1. 删除法适用于缺失值占比小或数据质量要求高的场景，直接剔除含缺失值的记录。
2. 填充法（如用均值、模型预测等）适用于无法删除且缺失值分布有一定规律的情况。
   关键排除点：

• 替换为0可能破坏数据原有意义（如年龄为0不合理）。
• 替换为Nan仅是标记缺失值，未实际处理。

选项分析

A. 删除相关记录

适用场景：当缺失值占比低（如<5%）或记录缺失过多时，删除可避免偏差。
优点：操作简单，保证剩余数据完整性。
缺点：可能损失有效信息（如缺失值分布有偏）。

D. 用估计的数据填充

常见方法：

1. 均值/中位数填充：适用于数值型数据且分布集中。
2. 模型预测（如KNN、回归）：利用其他特征预测缺失值。
   优点：保留所有样本，减少信息损失。
   缺点：可能引入偏差（如均值填充忽略数据分布）。

B. 替换为0

错误原因：若数据中0有意义（如年龄、销量），替换会歪曲实际含义。

C. 替换为Nan

错误原因：Nan本身是缺失值标记，未实际解决问题，仅重复原有状态。