背景：使用Logistic回归来预测患有疝气病的马的存活问题，这里的数据包括368个样本和28个特征，疝气病是描述马胃肠痛的术语，然而，这种病并不一定源自马的胃肠问题，其他问题也可能引发疝气病，该数据集中包含了医院检测马疝气病的一些指标，有的指标比较主观，有的指标难以测量，例如马的疼痛级别。另外，除了部分指标主观和难以测量之外，该数据还存在一个问题，数据集中有30%的值是缺失的。
1、准备数据：处理数据中的缺失值
数据中的缺失值是一个非常棘手的问题，那么数据缺失究竟带来了多少问题？假设有100个样本和20个特征，这些数据都是机器收集回来的，若机器上的某个传感器损坏导致一个特征无效时该怎么办？此时是否扔掉整个数据集？这种情况下，另外19个特征怎么办？它们是否还可用？答案是肯定的。因为有时数据相当昂贵，扔掉和重新获取都是不可取的，所以必须采用一些方法来解决这个问题。
下面给出了一些可选的做法：
（1）使用可用特征的均值来填补缺失值；
（2）使用特征值来填补缺失值，如-1；
（3）忽略有缺失值的样本；
（4）使用相似样本的均值填补缺少值；
（5）使用另外的机器学习算法预测缺失值。
逻辑回归（LogisticRegression）从疝气病预测病马的死亡率--python实现
原文：http://www.cnblogs.com/chamie/p/4876149.html