对于缺失数据问题，需要注意的一件事是缺失机制。根据数据集的不同，您拥有的 NA（缺失值）可能是现象条件的结果，您不应使用均值进行估算，但可能。

此外，对于因变量，如果你想用独立的模型训练一个模型来预测这个，比如说 Y，你不会使用这个观察来训练一个模型，而 NA 依赖于依赖（目标？）。然后，您将删除这些行，或者使用另一种考虑其他变量依赖性的技术。

我认为一个好的开始是看看这个： 缺失数据插补

它显示了使用像您这样的一些方法的局限性，并定义了丢失数据的机制。