欠損値処理（Missing Value Handling）とは、データセットに含まれる欠損値（NaN、NULL、空白など）を適切に処理する手法です。ほぼすべての実世界のデータに欠損値が含まれるため、機械学習の前処理において必須のステップです。
欠損のメカニズム
欠損は3つのパターンに分類されます。MCAR（完全にランダムな欠損）、MAR（他の変数に依存する欠損）、MNAR（欠損値自体に依存する欠損）です。メカニズムに応じた処理方法の選択が重要です。
処理方法
削除（行削除・列削除）、代入（平均値・中央値・最頻値での補完）、高度な手法（KNN補完、多重代入法、MICE）、モデルベースの補完（IterativeImputer）などがあります。
欠損値フラグ
欠損の存在自体が情報を持つ場合があります。「欠損であるかどうか」を示すフラグ変数を追加する手法も有効です。