缺失值的本質(zhì)
缺失值，簡(jiǎn)而言之，就是數(shù)據(jù)集中未能收集到或記錄下的數(shù)據(jù)點(diǎn)。在矩陣式的數(shù)據(jù)結(jié)構(gòu)中，這些缺失項(xiàng)通常以空值（如NaN）的形式存在，它們不僅破壞了數(shù)據(jù)的完整性，還可能對(duì)后續(xù)的數(shù)據(jù)分析和模型構(gòu)建造成不利影響。因此，有效處理缺失值，是數(shù)據(jù)預(yù)處理階段不可或缺的一環(huán)。
泛用的缺失值處理*——填充策略
面對(duì)缺失值，一種常見(jiàn)的處理方式是采用填充策略?？紤]到許多算法無(wú)法直接處理包含缺失值的數(shù)據(jù)集，因此，將缺失值替換為合理的估計(jì)值成為了一種可行的解決方案。其中，以均值填充最為普遍，即將缺失值替換為該特征列的平均值。此外，通過(guò)Z-score標(biāo)準(zhǔn)化處理，使數(shù)據(jù)均值為0、標(biāo)準(zhǔn)差為1，也能在一定程度上減輕缺失值的影響，因?yàn)榇藭r(shí)填充均值與標(biāo)準(zhǔn)化處理后的結(jié)果具有一致性。不過(guò)，這種*雖然簡(jiǎn)便，卻也犧牲了缺失值本身可能攜帶的信息，同時(shí)減少了數(shù)據(jù)的自由度。
未定義數(shù)據(jù)的特殊處理
未定義數(shù)據(jù)是缺失值的一種特殊形式，通常源于原始數(shù)據(jù)的部分缺失或特定條件下的不可計(jì)算性（如計(jì)算“60日股價(jià)漲幅”時(shí)，股票上市未滿60日）。針對(duì)這類數(shù)據(jù)，有兩種主要的清洗*：
重定義指標(biāo)：在數(shù)據(jù)不足的情況下，根據(jù)現(xiàn)有數(shù)據(jù)重新定義指標(biāo)。例如，若只有幾個(gè)交易日的數(shù)據(jù)，則直接用這幾個(gè)交易日的數(shù)據(jù)來(lái)計(jì)算。這種*保留了盡可能多的信息，但可能導(dǎo)致數(shù)據(jù)失真，特別是在日均交易量等需要較長(zhǎng)時(shí)間跨度來(lái)計(jì)算的指標(biāo)上。
數(shù)據(jù)刪除：直接將含有未定義數(shù)據(jù)的記錄從數(shù)據(jù)集中剔除。這種做法雖然簡(jiǎn)單直接，但會(huì)減少可用數(shù)據(jù)量，可能影響模型的泛化能力。同時(shí)，這也隱含了一個(gè)假設(shè)，即模型不應(yīng)從這類數(shù)據(jù)中學(xué)習(xí)。
無(wú)交易數(shù)據(jù)的深度處理
無(wú)交易數(shù)據(jù)，如停牌或漲跌停導(dǎo)致的成交量為零的情況，其處理需更加謹(jǐn)慎。對(duì)于股票價(jià)格的缺失值，可以基于市場(chǎng)邏輯進(jìn)行填充，如使用最近成交價(jià)或同行業(yè)指數(shù)變化作為替代。然而，這種*雖在數(shù)學(xué)上具有合理性，卻忽略了停牌背后可能隱藏的重要信息（如財(cái)務(wù)問(wèn)題、公司重組等），這些信息對(duì)股價(jià)的長(zhǎng)期走勢(shì)具有潛在影響。因此，在填充之前，深入理解數(shù)據(jù)的實(shí)際含義和背后的市場(chǎng)邏輯至關(guān)重要。
對(duì)于成交量的缺失值，直接將其設(shè)為零可能忽略了“不能交易”與“沒(méi)有交易”之間的本質(zhì)區(qū)別。在可能的情況下，應(yīng)探索更精細(xì)化的處理方式，以保留更多有價(jià)值的信息。