当您使用树木或森林时，-999999 非常常见（您将缺失值归入与其他值有很大差异的值以执行更好的分割）。

也许（！）在极少数情况下，-999999 的插补可能有用（例如，我通过聚类使用它）。

建议的平均值/中位数是非常有效的方法。例如，包括表示缺失值（=1；插补前）和非缺失值（=0）的布尔列。

这个过程称为插补，即用替换值替换缺失数据的过程。这涉及使用均值替换和中值替换两种方法来替换缺失值，并且这些插补方法比您提到的更常见，因此您最好从数据理解或数据丢失原因等开始。

例如，如果有一个数据集有很大的异常值，我会按中值进行插补。另一方面，如果您的缺失值是随机分布的（或小尺寸），您最好使用imputation by mean。如果您用均值替换缺失值，则会保留均值。

也许，你的导师只是为了它而用 -99999 替换缺失值。

他/她想要一个数字来表示缺失值。

我已经看到了测井数据的这种做法，其中软件不能直接处理 NaN，必须让 NaN 用数字表示，在本例中为 -99999。