不同缺失数据处理方法对D-vine Copula分类器的影响

• 作者: 杨光 王蕾 付志慧
• 来源期刊: 沈阳师范大学学报（自然科学版）
• 关键词: 缺失数据 D-vine Copula 分类器 K最近邻插补法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 统计学|Statistics
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP274
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5862.2021.01.007

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.