一种属性丢失值分块填补方法

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.实验结果分析表明,所提方法的填补效果较对比的方法具有一定优势.

关键词：分类、KNN、属性丢失值

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：5-8