在处理类别型变量的缺失值时，可以使用以下统计量进行填补：

- **A: 均值**：均值通常用于数值型变量，而不是类别型变量。因此，均值并不适用于类别型变量的填补。

- **B: 最大值**：最大值也不适用于类别型变量的填补。最大值通常用于数值型数据以获取数据范围，而在类别型数据中并没有直接意义。

- **C: 未知（Unknown）**：使用“未知”或“其他”类别可以是一个合适的策略，特别是在不知道缺失数据模式的情况下。这种方法不会扭曲已有的类别分布，但会增加一个新的类别。

- **D: 众数（Mode）**：众数是最常见的方法之一，因为它使用了最频繁出现的类别来填补缺失值，从而保持了数据分布的合理性。

因此，正确答案是 **C: 未知（Unknown） 和 D: 众数（Mode）**。

### 专业分析
在数据处理中，选择合适的缺失值填补方法取决于数据的性质和分析目标。对于类别型变量：

- **众数填补**：如果数据有较强的模式（某些类别特别常见），使用众数填补可以有效保持其分布特性。此方法简单直接，尤其适用在缺失值不多的情况下。

- **未知填补**：在某些情况下，尤其是当缺失值较多，或你不希望对原始分布做任何假设时，使用“Unknown”或“其他”作为新类别可以避免引入潜在的偏差。

选择填补策略时需考虑数据集的大小、缺失数据的比例以及数据分析的最终目的。在实践中，有时组合使用这些方法，或与其他方法（如机器学习预测填补）结合使用，能够获得更好的结果。