数据预处理——缺失值计算 C++实现及案例

缺值计算是数据预处理中非常重要的一部分，它可以帮助我们对缺失的数据进行合理的填充或处理。在C++中，我们可以使用以下方法来计算缺失值：

1. 均值填充：将缺失值用该特征的均值来填充。

2. 中位数填充：将缺失值用该特征的中位数来填充。

3. 众数填充：将缺失值用该特征的众数来填充。

4. 插值填充：通过已知数据点之间的插值来计算缺失值。

下面是一个使用均值填充的实现例子：

#include <iostream>
#include <vector>

using namespace std;

// 计算均值
double mean(vector<double>& v) {
    double sum = 0;
    for (double d : v) {
        sum += d;
    }
    return sum / v.size();
}

// 均值填充
void fill_missing_value(vector<vector<double>>& data) {
    for (int j = 0; j < data[0].size(); j++) {
        vector<double> v;
        for (int i = 0; i < data.size(); i++) {
            if (data[i][j] != -1) {
                v.push_back(data[i][j]);
            }
        }
        double m = mean(v);
        for (int i = 0; i < data.size(); i++) {
            if (data[i][j] == -1) {
                data[i][j] = m;
            }
        }
    }
}

int main() {
    // 构造一个有缺失值的数据集
    vector<vector<double>> data = {{1, -1, 3},
                                   {2, 4, -1},
                                   {5, 6, 7},
                                   {-1, 9, 10}};

    // 打印原始数据集
    cout << "Original data:" << endl;
    for (auto& row : data) {
        for (double d : row) {
            cout << d << " ";
        }
        cout << endl;
    }

    // 填充缺失值
    fill_missing_value(data);

    // 打印填充后的数据集
    cout << "Data after filling missing values:" << endl;
    for (auto& row : data) {
        for (double d : row) {
            cout << d << " ";
        }
        cout << endl;
    }

    return 0;
}

输出结果为：

Original data:
1 -1 3
2 4 -1
5 6 7
-1 9 10
Data after filling missing values:
1 6 3
2 4 6.66667
5 6 7
2.66667 9 10

可以看到，缺失值被成功地用均值进行填充。