Sie erstellen ein Regressionsmodell zur Vorhersage von Patientenergebnissen. In einem Datensatz von 4.000 Patienten (alle über 65 Jahre) weisen 450 Datensätze das Alter 0 auf, während andere Merkmale plausibel erscheinen. Wie sollten Sie mit diesen falschen Altersangaben umgehen?

Die Ersetzung von Altersangaben von 0 durch den Mittelwert oder Median ist die beste Methode, da 0 ein offensichtlich falscher Wert für Patienten über 65 ist. Der Mittelwert oder Median bewahrt die Verteilung des Altersmerkmals und minimiert den Informationsverlust. Das Entfernen von 450 Datensätzen (über 10% des Datensatzes) würde zu einem erheblichen Informationsverlust führen. Das vollständige Löschen des Altersmerkmals ist ebenfalls nicht ideal, da das Alter wahrscheinlich ein wichtiger Prädiktor für Patientenergebnisse ist. k-Means-Clustering ist eine Methode zur Gruppierung von Datenpunkten und nicht zur Imputation von fehlenden oder falschen Werten.