概念卡：缺失值 Missing Value

综合实践 · 01_专业概念地图/概念卡_缺失值.md

概念卡：缺失值 Missing Value

一句话定义

缺失值是数据中本应有但没有记录到的值。

它解决什么问题

处理缺失值能减少数据偏差和模型错误，但处理方式必须符合缺失机制。

典型使用场景

• 问卷或传感器数据缺项。
• 数据库字段未记录。
• 不同来源数据合并后产生缺失。

需要知道的关键词

• Missing Completely at Random
• Imputation
• Deletion
• Missing Indicator
• Bias

和导师方向的关系

应用统计和大数据任务中，缺失值处理会直接影响模型结果和解释可靠性。

交流时可以怎么说

我不会直接删除所有缺失值，而会先判断缺失是否有机制。

如果缺失本身包含信息，可以考虑加入缺失指示变量。

可以追问的问题

• 缺失是随机的还是有规律的？
• 删除缺失样本会不会造成偏差？
• 插补方法是否影响结论？

给 AI 的提示词

请帮我设计缺失值处理方案。要求区分随机缺失和非随机缺失，并比较删除、均值插补、模型插补和缺失指示变量。

我的理解边界

• 已理解：缺失值处理不能机械删除。
• 还不确定：缺失机制检验。
• 下次需要补：MCAR/MAR/MNAR。