在数据清理过程中，遇到了两个变量，缺失率分别是8%和10%，，其变量属性为字符型，因为我只学习过对数值型变量进行均值插补和多重插补，不知道这两个变量的NA是不是可以使用插补？如果需要转换格式为数值型或者哑变量，我觉得这两个变量可以直接舍弃，因为在后续建模(SVM,KNN,REGRESION TREE)中影响不是很大。
参考GPT和自己的思路：
对于字符型变量的多重插补，可以使用多重概率抽样（MICE）方法。MICE方法可以根据所有非缺失值的变量和缺失值的模式，模拟出多个完整的数据集，进行数据分析和模型拟合。MICE方法可以在多个循环中进行，可以提高插补的准确性。
对于你提到的两个缺失率为8%和10%的字符型变量，如果缺失的值具有一定的模式或规律，MICE方法可以在适当的情况下使用。如果缺失值随机分布，则使用MICE方法可能无法得到有效的结果。
在转换格式为数值型或哑变量之前，可以先试着使用MICE方法进行多重插补，这样不仅可以保留原有的信息，而且可以更好地处理缺失值。将这些缺失值视为真实观测值的一部分，可以更好地保持数据的完整性和一致性。
同时，如果缺失值对后续建模影响不大，也可以将其直接舍弃，但应该对缺失值的影响和性质进行仔细的评估和分析。