數(shù)據(jù)的缺失主要包括記錄的缺失和記錄中某個字段信息的缺失， 兩者都

會造成分析結(jié)果的不準確， 以下從缺失值產(chǎn)生的原因及影響等方面展開分

析。

（1） 缺失值產(chǎn)生的原因

1） 有些信息暫時無法獲取， 或者獲取信息的代價太大。

2） 有些信息是被遺漏的。 可能是因為輸入時認為不重要、 忘記填寫或

對數(shù)據(jù)理解錯誤等一些人為因素而遺漏， 也可能是由于數(shù)據(jù)采集設(shè)備的故

障、 存儲介質(zhì)的故障、 傳輸媒體的故障等非人為原因而丟失。

3） 屬性值不存在。 在某些情況下， 缺失值并不意味著數(shù)據(jù)有錯誤。 對

一些對象來說某些屬性值是不存在的， 如一個未婚者的配偶姓名、 一個兒童

的固定收入等。

（2） 缺失值的影響

1） 數(shù)據(jù)挖掘建模將丟失大量的有用信息。

2） 數(shù)據(jù)挖掘模型所表現(xiàn)出的不確定性更加顯著， 模型中蘊含的規(guī)律更

難把握。

3） 包含空值的數(shù)據(jù)會使建模過程陷入混亂， 導(dǎo)致不可靠的輸出。

（3） 缺失值的分析

使用簡單的統(tǒng)計分析， 可以得到含有缺失值的屬性的個數(shù)， 以及每個屬

性的未缺失數(shù)、 缺失數(shù)與缺失率等