适读人群： 人工智能，尤其是机器学习相关领域的研究者； 有相关项目发需求的软件工程师； 高校信息学科或相关交叉学科的教师； 高校计算机、软件、电子、自动化相关专业的三、四年级本科生及研究生； 其他了解一定人工智能基础的学习者和对此感兴趣的爱好者。 （1）作者专注于数据缺失值填补的研究和实践多年，参与大量项目，期刊发表相关论文若干，经验十分丰富。 （2）传统的数据缺失值填补方法是基于统计学的，本书是基于*新的人工智能技术机器学习的，填补该领域空白。 （3）作者创新性地提出了基于神经网络和TS模型的缺失值填补方法，大幅提升填补效率。
