如果您排除具有缺失值的特征，您的结论可能会产生偏差或丢失信息。

考虑一个包含 10 名患者及其胆固醇值的数据集。您有兴趣根据这些特征预测胆固醇值。您可能有一个特征、研究开始时的年龄和一个特征# chol checks last month.5 名患者缺少后者，因为他们非常健康，以至于他们决定甚至不通过向您发送数据来跟进。在这种情况下，如果您排除该功能，您可能会排除您的最佳预测器。

一个更好的方法是注意所有没有跟进的患者也恰好是年轻患者。另外您可能会注意到，对于确实有 # 个胆固醇检查记录发送给您的 5 位患者，数据是这样的

age # checks
50     10
60     20
70     30
80     40

您可以看到胆固醇检查和年龄之间存在关系；你甚至可以计算出回归的参数。您可以使用此回归来填充年轻患者的缺失值。这就是矩阵完成背后的想法。

但是，您估算的值将是单个值，并且您不会感觉到它们到底有多好。为了做出预测，你可以拿出一个测试集，看看你的插补方法是否真的能改善结果。对于集群，取决于您的应用程序，因为很难将您的插补方法评估为某个较大管道中的一个步骤，因此也可以按照@mkt 的建议考虑多重插补。