欠損値処理シリーズ 目次ページ

データ分析や機械学習の前処理で、避けて通れないのが欠損値（データの空欄）です。「とりあえず削除する」「とりあえず平均値で埋める」で済ませると、分析結果が偏ったり、モデルの精度が伸びなかったりします。

このページは、欠損値の「検出・分析・処理」を順に学べる欠損値処理シリーズ（全10回）の目次です。欠損のメカニズムから、削除、単変量補完、時系列補完、多変量補完、手法の選び方までを扱います。

読み方を選べます

同じテーマを、目的に合わせて3つの形で公開しています。

回	テーマ	完全版	コードの要点	考え方
第1回	欠損値とは何か — MCAR / MAR / MNAR を理解する	読む	Zenn	note①
第2回	欠損値の検出と可視化 — pandas と missingno で現状把握	読む	Zenn	note①
第3回	削除戦略① — リストワイズ削除（完全ケース分析・CCA）	読む	Zenn	note②
第4回	削除戦略② — 特徴量削除とペアワイズ削除	読む	Zenn	note②
第5回	単変量補完① — 定数・任意値での補完（pandas と SimpleImputer）	読む	Zenn	note③
第6回	単変量補完② — 平均・中央値・最頻値での補完	読む	Zenn	note③
第7回	単変量補完③ — ランダムサンプル補完で分布を保つ	読む	Zenn	note③
第8回	時系列データの欠損値補完 — LOCF / NOCB / 線形補間	読む	Zenn	note④
第9回	多変量補完① — KNN Imputer で近傍から補完する	読む	Zenn	note⑤
第10回	多変量補完② — MICE・MissForest と欠損インジケータ、選び方ガイド	読む	Zenn	note⑤

第1回から順に読むのがおすすめですが、困りごとが決まっている方は、次の回から読み始めることもできます。