我想估算缺失值，但收到一則訊息，表示沒有足夠的數據來估算缺失值。所附圖片提供了更多詳細資訊。
嗨@Dessan300 ，
如果沒有更多上下文或玩具資料集來理解和重現您的問題，就很難幫助您。
這個錯誤訊息非常不言自明，您沒有足夠的值來實現自動資料插補： 探索缺失值平台概述。 ADI 穩健且靈活，但代表了一種複雜的資料插補方法，因為它可能需要足夠的資料來訓練模型來填充缺失值。維數對此技術非常重要，因為它是基於低秩矩陣近似方法（降維方法）。您可以閱讀有關此主題的討論： 某些缺失值未使用 ADI（自動資料插補）進行插補
我建議先調查這些缺失值的來源/原因，並花一些時間研究缺失值模式：資料是完全隨機缺失(MCAR)、隨機缺失(MAR) 還是非隨機缺失(MNAR) ）？更多資訊在這裡： https://muratkoptur.com/MyDsProjects/MissingData/Analysis.html
該平台中提供的缺失值快照對於可視化和理解這些模式非常有幫助。
發現缺失值中的模式
根據缺失的模式，如果不是隨機的，最好保留缺失值，因為這可能意味著實驗區域的一部分可能在實驗上不可行，或者設備無法在該實驗區域進行測量（或者這些區域的訊號可能太低或太高）。在這種情況下估算值可能是有害的，因為您將失去該實驗區域的「不可行性」資訊。
您可以嘗試「更簡單」的選項並進行比較，例如多元插補選項，或使用此平台中沒有的其他技術，例如K 最近鄰（並根據資料集的維度和您想要獲得的精度/穩健性適當地定義 K ）。
還要考慮到一些建模選項能夠處理缺失值並且不需要輸入值，例如基於樹的方法、偏最小二乘法等...
無論方法及其複雜程度為何（從平均值/中位數/眾數插補技術到 ADI 或多元 SVD/RPCA 插補），插補缺失值都可能會使您的資料集產生偏差。根據您的用例，使用缺失值和估算值來建立模型，並將兩個模型的結果與領域專業知識進行比較可能會很有趣。
您也可以觀看探索缺失值。
希望第一個答案可以幫助你，
