R语言：用R语言填补缺失的数据

缺少数据在分析数据集时可能不是一个微不足道的问题。 如果缺失数据的量相对于数据集的大小非常小，那么为了不偏离分析而忽略缺少特征的少数样本可能是最好的策略，但是留下可用的数据点会剥夺某些数据的特征。 尽管某些快速修正如均值替代在某些情况下可能很好，但这种简单的方法通常会向数据中引入偏差。 在这篇文章中，我们将使用airquality数据集（在R中提供）来推测缺失值。 为了本文的目的，我将从数据集中删

>>阅读原文<<