不同缺失数据处理方法对D-vine Copula分类器的影响

摘要：

数据缺失是较为常见的影响数据质量的因素,会降低分析结果的可靠性.采用不同方法填补缺失数据,再用D-vine copula分类器对填补后的数据做分类,通过预测准确率来分析不同缺失数据处理方法对D-vine copula分类器的影响.首先,介绍了5种常用的缺失数据处理方法和D-vine copula分类器的相关知识;其次,结合实际数据,模拟不同的缺失比例,用这5种方法对数据进行填补;最后,用D-vine copula分类器对填补后的数据做分类,对分类准确率进行比较分析.研究发现,填补后的数据在D-vine copula分类器上表现得较为稳定,当数据缺失比例在5％～10％时,用随机插补法处理缺失数据效果较好,当数据缺失比例较大时,可以优先考虑用K最近邻插补法处理缺失数据.

关键词：缺失数据、D-vine Copula、分类器、K最近邻插补法

所属期刊栏目：39

分类号：TP274(自动化技术及设备)

资助基金：辽宁省教育厅科学研究经费项目;辽宁省科技厅自然科学基金资助项目

在线出版日期：2021-04-30（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：35-38