一种属性丢失值分块填补方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：丢失值填补在数据挖掘领域是非常重要的。针对数据集中出现属性丢失值的情况，本论述提出了一种属性丢失值分块填补（ABNS）的方法。首先对数据集进行标准化处理，然后将其数据分成相等的 n 个块，接着验证每一块来获取相对应的最优的 K 值，最后使用最优的 K 值进行数据填补来得到相应的数据。实验采用公开数据集 Horse Colic、Vote 和Diabe⁃ tes进行实验，并且在使用贝叶斯、KNN 和 SMO 算法进行分类评估的情况下，对所提出的方法与传统均值填补方法和概率填补方法进行对比。（剩余6110字）

试读结束

目录
monitor