열마다 통계 구하기
수치 특징의 평균 대치는 결측이 아닌 훈련값들의 평균을 계산해 빈 칸에 넣는다. 중앙값이나 범주별 최빈값도 사용할 수 있다. 다른 특징의 관계를 이용해 각 빈 값을 따로 예측하는 다변량 대치와는 다른 접근이다.
평균 대치 예
한 특징의 관측값이 2,4,6이고 빈 칸이 하나라면 관측 평균 4로 채울 수 있다. 완성된 값은 (2,4,6,4)다. 평균은 여전히 4지만 편차 제곱합을 전체 개수로 나눈 분산은 2다. 원래 관측 세 값의 같은 규약 분산 8/3과 다르다.
결측 표시를 남기기
값을 4로 채운 뒤 원래 관측된 4와 구분하려면 결측 여부를 나타내는 표시 특징을 추가할 수 있다. 그러나 표시가 있다고 결측 원인이나 실제 값을 알아낸 것은 아니다. 모든 값이 비어 있는 열은 평균을 계산할 수 없어 별도 유지·제거·상수 규약이 필요하다.
학습과 평가의 분리
대치 통계는 훈련 자료에서 구해 평가 자료에 적용해야 한다. 교차 검증에서도 각 훈련 구간 안에서 다시 맞추어야 한다. 평균으로 채우면 분포와 변수 간 관계가 바뀔 수 있으므로, 계산이 가능해졌다는 사실을 편향 없는 분석이나 예측 성능의 보장과 동일시해서는 안 된다.
관련 문서
특징 표준화 / 로버스트 스케일링 / 교차 검증 / 데이터 누출 (기계 학습) / 중앙값 / 분산 / 기계 학습