# FillMissingValues 类
`FillMissingValues` 类使用机器学习方法（如线性回归和随机森林）填充指定 `DynamicFrame` 列中的 null 值和空字符串，以预测缺失值。ETL 任务使用输入数据集中的值来训练机器学习模型，然后该模型预测缺失的值应该是什么。
**提示**
如果您使用增量数据集，则每个增量集都会用作机器学习模型的训练数据，因此结果可能不是如此准确。
导入：
```
from awsglueml.transforms import FillMissingValues
```
## 方法
+ [Apply](#aws-glue-api-crawler-pyspark-transforms-fillmissingvalues-apply)
## apply(frame, missing\$1values\$1column, output\$1column ="", transformation\$1ctx ="", info ="", stageThreshold = 0, totalThreshold = 0)
填充指定列中的动态帧缺失值，并在新列中返回包含估计值的新帧。对于没有缺失值的行，指定列的值将复制到新列。
+ `frame` – 要填充缺失值的 `DynamicFrame`。必需。
+ `missing_values_column` – 包含缺失值（`null` 值和空字符串）的列。必需。
+ `output_column` – 新列的名称，该列将包含缺失值的所有行的估计值。可选；默认值是后缀为 `"_filled"` 的 `missing_values_column`。
+ `transformation_ctx` – 用于标识状态信息的唯一字符串 (可选)。
+ `info` – 与转换中的错误关联的字符串 (可选)。
+ `stageThreshold` – 在转换出错之前可能在其中发生的最大错误数 (可选；默认值为零)。
+ `totalThreshold` – 在处理出错之前可能全面发生的最大错误数 (可选；默认值为零)。
返回带附加列的新 `DynamicFrame`，该列包含带缺失值的行的估计值和其他行的当前值。