2.1.1　缺失值的處理

實踐中收集的大多數數據集都可能包含缺失值。出現這種情況的原因可能是測量設備故障、數據收集過程中實驗條件或環境的變化、人為錯誤以及故意錯誤（例如，回答者不愿意泄露信息）等。

如果出現缺失值的樣本數較少，則可能會省略這些樣本。但是，如果樣本中有大量的特征屬性，每個特征屬性即使出現一小部分缺失值，也會影響很多樣本。例如，在30個特征屬性的情況下，如果只有5%的數據缺失（假設在目標和特征屬性間隨機和獨立地傳播），則幾乎80%的樣本將不得不被忽略，因為0.9530=0.215。

另一種處理缺失值的替代方法是，根據樣本中該特征屬性的其他值，將缺失值替換為估算值。例如，可以用所有樣本中該特征屬性的平均值替換該特征屬性的缺失值。但是，使用此類技術將導致樣本數據集缺乏變化，從而引入偏差。