如何處理 JMP 中的缺失資料值我只有類別缺失值。 我正在嘗試多元常態插補但並非所有行都獲得多元常態插補，我該怎麼做才能確保列中的所有行都收到它？
或者我應該做一些完全不同的事情？
數據探索和視覺化回覆：如何處理 JMP 中的缺失資料值對於缺失值；
1）如果我仍然需要缺失值行進行分析，我會用“無效”或“空”等重新編碼來替換缺失值
2）如果可以刪除分類缺失值行進行分析，我將刪除所有缺失值行，因為它會為分析提供不準確的表示。
回覆：如何處理 JMP 中的缺失資料值估算缺少的分類值提供了一些選擇，我認為這在很大程度上取決於主題知識的選擇。如果您使用“資訊性缺失”，則某些分析會將缺失值替換為資料集中最常見的非缺失值。這很少是明智的做法，而且很可能不是您想要的，因為您試圖對資料進行建模以估算缺失值。如果您有足夠的變數和數據，您可以嘗試使用任何可用的預測模型（例如分區、神經網路等），嘗試使用預測模型將缺少的分類值預測為非缺失資料的函數。如果所有缺失值都針對單一變量，則可能有效 - 但如果缺失值位於不同觀測值的不同欄位中，則不太可能有效。
您可以嘗試排除這些觀察結果，但顯然這取決於遺失的資料量以及問題的背景和遺失資料的性質。我認為 WebDesignesCrow 用一個值（例如“missing”）替換缺失值的建議通常是最有意義的。這不需要對遺失資料的性質做出任何假設，並且允許您進行任何分析來揭示遺失資料的相關性（或缺乏相關性）。幾年前，約翰·薩爾 (John Sall) 發表了一篇關於“幽靈數據”的精彩演講（您應該可以在社區論壇中找到它），這可能會給您帶來更多想法。
回覆：如何處理 JMP 中的缺失資料值謝謝你的回答。
一半的資料集包含缺失值。
該資料集大約有 375.000 行和 20 列
回覆：如何處理 JMP 中的缺失資料值在這種情況下使用降維是否合適？
回覆：如何處理 JMP 中的缺失資料值我猜您有興趣預測這些數據中的價格。僅使用“資訊缺失”選項，您應該對預測模型沒有問題。請參閱此處以了解一些詳細資訊： https://www.jmp.com/support/help/en/17.0/?os=win&source=application#page/jmp/informative-missing-2.shtml 。雖然可以對缺失值進行更精細的處理，但我認為在這種情況下不值得付出努力。至少，我會先檢查模型，看看具有大量缺失資料的變數是否具有很大影響力 - 如果是，那麼也許您想要更仔細地檢查這些變數（及其缺失）。
