基于聚类的连续型数据缺失值充填方法

• 作者: 吴卫江 李国和 杨绍伟 郑艺峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 缺失值 预充填 聚类 递归充填 平方误差
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 32-39
• 页数: 8页
• 分类号: TP301.6
• 字数: 6956字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053331

摘要

在大数据应用中,多数建模方法是在完备数据集基础上进行的,但在数据采集过程或存储过程中容易出现数据缺失的现象,导致无法建模.为此,提出一种基于聚类的递归充填方法.使用同类簇的均值对不完备数据进行预填充,形成初始完备数据集,针对得到的完整数据进行聚类,并运用同类簇的均值修正初始充填值.根据充填效果误差判定充填稳定性,并进行多次递归聚类修正充填值,直到前后两次充填较为稳定或迭代次数超过阈值时停止迭代.实验结果表明,与均值充填、K最近邻充填、聚类充填及粗糙集不完备数据分析等方法相比,该方法能够进行更为精准的充填,使得最终充填更加接近真实数据.