缺失数据处理方法的比较研究

• 作者: 乔珠峰 田凤占 陈景年 黄厚宽
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 数据挖掘 缺失值 朴素贝叶斯分类器 Robust 交叉验证
• 年，卷（期）: 2006,（z1）
• 所属期刊栏目: Agent学习与规划
• 页码范围: 171-175
• 页数: 5页
• 分类号: TP18
• 字数: 4076字
• 语种: 中文

摘要

由于数据挖掘技术日益广泛地应用于各个领域,而大多数领域中数据都存在缺失值,因此基于缺失数据的数据挖掘方法的研究具有重要意义.利用直接删除、特殊值填充、平均值填充、Robust方法4种处理缺失值的方法建立4个缺失值处理模型以及相应的朴素贝叶斯分类器模型.通过在5个实际数据集上进行实验比较,并采用五重交叉验证来检验这些模型的性能.结果表明,用这些模型处理缺失值构建的朴素贝叶斯分类器是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	陈景年	北京交通大学计算机与信息技术学院	8	117	6.0	8.0
3	田凤占	北京交通大学计算机与信息技术学院	10	145	6.0	10.0
4	乔珠峰	北京交通大学计算机与信息技术学院	2	54	2.0	2.0