APT-KNN:一种面向分类问题的高效缺失值填充算法

• 作者: 徐宇明 朱扬勇 熊赟 陈诚
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 分类 缺失值填充 索引 数据挖掘 数据准备
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 135-139
• 分类号: TP311.13
• 字数: 5676字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.04.040

摘要

分类是一种常见的数据挖掘方法,而属性值缺失是分类过程中常见的一类数据质量问题,缺失值填充可以减少属性值缺失造成的分类错误.缺失值填充首先要求准确率高,在许多实际应用当中,缺失值填充还必须保证较高的计算效率.提出了一种填充缺失属性值算法APT-KNN,APT-KNN算法利用属性与属性之间的相互关系,根据与目标最相似的几个实例属性值来估计缺失值,以保证填充结果具有更高的准确性,同时设计了一种优化的AntiPole树索引结构,提高了缺失属性值的填充效率.实验表明,APT-KNN方法与现有的几种缺失属性填充方法相比,具有更高的准确率和填充效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱扬勇	复旦大学计算机科学技术学院	91	3435	25.0	58.0
2	熊赟	复旦大学计算机科学技术学院	26	277	7.0	16.0
3	陈诚	复旦大学计算机科学技术学院	22	144	8.0	11.0
4	徐宇明	复旦大学计算机科学技术学院	1	17	1.0	1.0