Некоторые методы восстановления пропущенных данных:

• Замена пропущенных значений средним или медианой. 2 Для этого нужно вычислить среднее или медиану имеющихся значений для каждого столбца и вставить полученное значение в пропущенные ячейки. 2 Метод простой и быстрый, но не работает с качественными переменными. 2
• Замена самым часто встречающимся значением или константой. 2 Можно использовать для качественных переменных. 2
• Метод k ближайших соседей (kNN). 2 Основан на оценивании сходства объектов. 2 С его помощью можно вычислить значения пропущенных атрибутов на основании дистанций от попавших в область объектов и соответствующих значений этого же атрибута у других объектов. 2
• Множественная импутация данных (MICE). 2 Суть метода в том, что импутация каждого значения проводится не один раз, а много. 2 Такой тип замены пропущенных значений позволяет понять, насколько надёжно или ненадёжно предложенное значение. 2
• Импутация данных с помощью глубокого обучения. 2 Библиотека datawig позволяет восстанавливать недостающие значения за счёт тренировки нейронной сети на тех точках, для которых есть все параметры. 2
• Экстраполяция и интерполяция. 1 Пытаются восстановить значения на основании ограниченного набора известных точек. 1

Универсального метода восстановления пропущенных данных не существует, для каждой конкретной задачи приходится искать наиболее подходящие методы или их комбинации. 2