É estudado o efeito dos valores em falta na classificação dos dados. É apresentada uma análise comparativa da precisão da classificação dos dados em diferentes cenários. No estudo, são consideradas várias técnicas de pesquisa para a seleção de características e são aplicadas para pré-processar o conjunto de dados. Os desempenhos preditivos dos classificadores populares são comparados quantitativamente. O conjunto de dados é retirado de um contexto de deteção-decisão de cancro da mama disponível no repositório de aprendizagem automática da UCI. Depois de analisar os resultados experimentais, o trabalho estabelece o conceito geral de uma melhor precisão de classificação utilizando a substituição de valores em falta.