缺失数据插补：为什么我没有选择均值填充

这篇笔记的正文还在整理中，先保留标题与摘要。

问题的起点

数据里大约 8% 的字段是空的，而且缺失并不是随机的：高活跃用户的某些字段更容易缺。这个前提决定了插补方法的选择。

为什么均值填充不够

均值填充会把缺失位置的方差压到零，下游模型看到的分布比真实分布更集中，置信区间随之失真。

下一步

打算用多重插补做基线，再和生成式方法比较，评估指标优先看分布距离与下游任务效果，而不是单纯的 RMSE。