嗨 Soumyadeep，欢迎来到数据科学/堆栈交换

您所描述的称为回归插补，它是用于缺失数据的有效方法。但是，如果数据稀疏（大量缺失值），则此问题将更难处理。

通常，可以通过多种方式处理缺失数据（行删除、插补、替换等）。如果您对数据知之甚少或一无所知，则可以使用回归插补，但通常最好使用另一种方法。如果您对缺失值有一些领域知识，例如您知道值应该是什么，通常您可以使用这些知识来填充缺失值。尝试一些不同的方法，看看哪一种效果最好。

有人指出，如果特征都是独立的，我应该检查多重共线性。这是否基本上意味着一个功能正在落在另一个功能的范围内？

多重共线性的定义：一些变量之间存在一个或多个精确的线性关系

参考资料： https ://en.wikipedia.org/wiki/Multicollinearity https://stats.stackexchange.com/questions/234870/is-multicollinearity-the-issue-here