資料填補 是什麼？
Data Imputation — 資料填補 的完整解釋
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。
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。
記住這句就好
補值要合理，不是隨便填滿。
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。
算法與應用
- 常見方法有平均數、中位數、眾數、插值和模型式補值。
- 補值前要先看缺值是隨機缺失，還是有規律地缺。
- 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。
相關術語
常見問題
資料填補一定能改善模型效能嗎？
不一定。如果填補方法不當，例如使用均值填補處理非隨機遺失的資料，反而可能引入偏差，降低模型效能。選擇合適的填補方法，並驗證填補結果的合理性，才能確保改善模型效能。此外，如果遺失值比例非常低，不進行填補可能也是一個可行的選擇。
如何判斷遺失值的模式（MCAR, MAR, MNAR）？
判斷遺失值的模式並不容易，通常需要結合領域知識和統計方法。可以通過分析遺失值與其他變數之間的關係來推斷。例如，如果遺失值與任何其他變數都沒有關係，則可能是 MCAR。如果遺失值與某些可觀察的變數有關，則可能是 MAR。如果遺失值與自身（遺失值本身）有關，則可能是 MNAR。但需要注意的是，這些只是推斷，很難完全確定遺失值的模式。
除了上述方法，還有其他資料填補方法嗎？
是的，除了上述方法，還有一些其他的資料填補方法，例如使用深度學習模型進行填補。例如，可以使用自編碼器 (Autoencoder) 或生成對抗網路 (GAN) 來學習資料的分布，然後生成遺失值。這些方法通常需要大量的資料和計算資源，但可以更好地處理複雜的遺失值模式。此外，還有一些專門針對時間序列資料的填補方法，例如線性插值和樣條插值。