Entscheiden Sie vor dem Hintergrund Ihres Geschäfts- oder Domänenwissens, wie fehlende Werte behandelt werden sollen. Um die Trainingszeit zu verkürzen und die Genauigkeit zu erhöhen, können Sie beispielsweise einerseits Leerzeichen aus Ihrem Dataset entfernen. Andererseits kann das Vorhandensein leerer Werte neue Geschäftschancen eröffnen oder für zusätzliche Einblicke sorgen.

Bei der Auswahl des besten Verfahrens sollten Sie folgende Aspekte Ihrer Daten berücksichtigen:

• Größe des Datasets
• Anzahl der Felder mit Leerzeichen
• Menge der fehlenden Daten

Im Allgemeinen gibt es zwei Ansätze, die Sie verfolgen können:

• Sie können Felder bzw. Datensätze mit fehlenden Werten ausschließen.
• Sie können fehlende Werte mit einer Reihe von Methoden imputieren, ersetzen oder erzwingen.