基于机器学习的成分数据补全研究

• 作者: 高雪云
• 来源期刊: 数学学习与研究:教研版
• 学科: 工学
• 关键词: 估计量 估计值 重构 偏差 数据量 机器 数据 方法
• 年，卷（期）: 2019,（7）
• 页码范围: 18-18
• 页数: 1页
• 分类号: TP181

摘要

一、引 言给缺失数据填补一个合理的估计值,可以减小由数据缺失而导致的估计量偏差,结合一定的方法,为数据的缺失值寻找一个或多个尽可能相似的值进行填补,得到完整的数据,由于填补值毕竟是“假信息”,因此,利用不同的信息进行填补,所要追求的只是确定填补方法的有效性和合理性,使估计的填补值尽可能地接近原始的缺失数据值.二、基于核空间非线性距离敏感重构的主动学习在大数据时代,机器学习问题中可能涉及的数据量规模是非常庞大的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高雪云	数学科学学院聊城大学	1	0	0.0	0.0