在训练集中：

您最好使用一些方法来“假定”某些值......平均/按比例......您可以在各种学习资源中找到

将它们留空（不确定 Azure，但在低级编程平台中）会导致不准确或问题。

对于测试集：

您没有更改学习参数，但这可能会导致一些不准确的测量，但 Azure ML 可能在内部做了一些事情。

来自MSDN的参考：

如何处理缺失值？

处理缺失值，最好先找出缺失值的原因，以便更好地处理问题。典型的缺失值处理方法有：

• 删除：删除缺失值的记录
• 虚拟替换：用虚拟值替换缺失值：例如，未知用于分类或 0 用于数值。
• 均值替换：如果缺失数据是数字，则用均值替换缺失值。
• 频繁替换：如果缺失的数据是分类的，用最频繁的项目替换缺失值
• 回归替换：使用回归方法将缺失值替换为回归值。