某零售企業的資料科學團隊正在開發高價值會員預測模型。在資料前處理階段,分析師發現特徵欄位「年收入」有約 5% 的遺漏值(Missing Value)。經資料探索發現,該欄位的數值分佈呈現高度正偏態(右偏分配,Skewness to the Right)。若在不刪除任何會員資料的前提下,欲選擇較適合的遺漏值填補方式,下列何者最為合適?
答案 (C)
核心概念
分布偏斜時,平均值會被極端值拉歪,填補遺漏值改用中位數。
年收入這種資料通常右偏:大多數人集中在中低區間,少數高收入把平均值拉高。用平均值填補,等於幫每個遺漏的人塞一個偏高的收入。中位數(Median)不受極端值影響,填進去最貼近「一般人」的水準。
・對稱分布 → 平均值或中位數都可以
・偏態分布 → 中位數
・類別型欄位 → 眾數
答題技巧
快速判斷技巧:填補題先看分布形狀,有偏就選中位數(Median)。 ・數值、偏態 → 中位數 ・數值、對稱 → 平均值(Mean)也行 ・類別型 → 眾數(Mode)
易錯陷阱:(A) 平均值是直覺選擇,題目特別強調「高度正偏態」就是在提醒別選它。 關鍵差異:平均值會被拉、中位數不會。 警訊詞:「偏態」「極端值」出現,平均值先排除。