关于missForest方法，以下选项错误的是：

C: 即使数据量比较大的情况，这个方法也会很快

### 分析：

- **A: 这是利用随机森林来填补缺失值的非参数方法**
- 正确。missForest方法确实是使用随机森林算法来处理缺失值的非参数方法。非参数方法意味着它不对数据的分布做严格假设。

- **B: 此方法可以适用于任何类型的数据(连续、离散)**
- 正确。missForest可以处理不同类型的数据，包括连续型和离散型数据，这使其在实际应用中非常灵活。

- **C: 即使数据量比较大的情况，这个方法也会很快**
- 错误。随机森林方法虽然强大，但在处理大规模数据时计算复杂度较高，通常需要较长的计算时间。因此，missForest在大数据集上可能会很慢。

- **D: 这方法虽然效果比较好，但是相比均值填充的方法来讲，效率就太低了**
- 正确。虽然missForest在准确性和效果上优于简单的均值填充，但由于随机森林的复杂性，它的计算效率确实较低。

综上所述，对于大数据集，missForest方法相对较慢，因此选项 C 是错误的。