Budujesz model regresji do przewidywania wyników leczenia pacjentów. W zbiorze danych 4000 pacjentów (wszyscy powyżej 65. roku życia) 450 rekordów ma wiek zapisany jako 0, podczas gdy inne cechy wyglądają rozsądnie. Jak należy postąpić z tymi nieprawidłowymi wartościami wieku?

Zastąpienie wartości wieku równych 0 średnią lub medianą wieku jest najlepszym podejściem, ponieważ pozwala zachować pozostałe, prawidłowe dane z tych 450 rekordów, które mogą być cenne dla modelu. Usunięcie tych rekordów oznaczałoby utratę 11.25% danych, co jest znaczną częścią. Całkowite usunięcie cechy wieku jest niewskazane, gdyż wiek jest prawdopodobnie istotnym predyktorem wyników leczenia. Klastrowanie k-means nie jest odpowiednią metodą do bezpośredniej imputacji pojedynczej cechy w ten sposób, zwłaszcza gdy problemem jest konkretna, błędna wartość, a nie brak danych.