示例：从疝气病症预测病马的死亡率

准备数据：处理数据中的缺失值 当数据丢失时，给出了一些方法来解决这个问题。 一、使用可用特征的均值来填补缺失值； 二、使用特殊值来填补缺失值，如-1； 三、忽略有缺失值的样本； 四、使用类似样本的均值填补缺失值； 五、使用另外的机器学习算法预测缺失值。 在预处理阶段作两件事： 第一，全部的缺失值必须用一个实数值来替代，由于咱们使用Numpy数据类型不容许包含缺失值。这里选择实数0来替换全部缺失值，

>>阅读原文<<