K最近邻填补法是一种基于K最近邻算法实现的缺失值填补方法。K最近邻算法是机器学习领域基本的分类方法,针对各个待分类样本,找到与该样本距离最近的K个样本,并将多数近邻样本所属类别作为分类结果。K最近邻填补法参照其思路,寻找与各不完整样本距离最近或相关度最高的K个完整样本,并将各完整样本现有值的加权平均作为...
这是一部讲解如何基于机器学习技术实现数据缺失值填补的专著,与传统的基于统计学的缺失值填补方法相比,效率上得到了较大的提升。作者基于多年的研究和实践成果,创新性地提出了基于神经网络的缺失值填补方法和基于TS模型的缺失值填补方法。全书共8章,可分为4个部分。第一部分(第1~3章):首先介绍缺失值填补领域的缺失...
基于机器学习的缺失值填补方法把不完整数据集中的完整样本当作训练集来建立预测模型,并根据训练出的预测模型估计缺失值。目前,常见的基于机器学习的缺失值填补方法包括K最近邻(K-Nearest Neighbors,KNN)填补法、基于聚类的填补方法和基于神经网络(Neural Network,NN)的填补方法等。 1.K最近邻填补法 针对每个不完整样本...
正如1.2节所述,基于统计学的填补方法根据统计学的理论知识对缺失值进行统计处理,主要包括均值填补、回归填补、期望最大化填补等。基于机器学习的填补方法借助机器学习算法对不完整数据进行建模,挖掘数据内的有效信息并以此估算缺失值。此类方法包括K最近邻填补法、基于聚类的填补方法和基于神经网络的填补方法等。 机器学习...
基于机器学习的数据缺失值填补:理论与方法3.4.2 基于证据理论的填补方法3.4.2基于证据理论的填补方法证据理论是一种处理不确定性信息的方法,由Dempster首先提出,并经Shafer改进,故常被称为Dempster-Shafer(D-S)理论。D-S理论具备直接表达不
基于机器学习的数据缺失值填补:理论与方法是赖晓晨 张立勇 刘辉 吴霞创作的人工智能类小说,起点中文网提供基于机器学习的数据缺失值填补:理论与方法部分章节免费在线阅读,此外还提供基于机器学习的数据缺失值填补:理论与方法全本在线阅读。起点中文网为您创造基于机器学
简介 本书共8章,可分为4部分。第一部分介绍了缺失值填补领域的缺失数据机制、基本概念、性能度量等知识。第二部... 展开 目录 评论 (0) 我要评论 暂无评论 相关书籍 基于微粒群的神经网络预测控制理论及应用AI Agent应用与项目实战大模型实战:微调、优化与私有化部署 ...
作者基于多年的研究和实践成果,创新性地提出了基于神经网络的缺失值填补方法和基于TS模型的缺失值填补方法。全书共8章,可分为4个部分。第一部分(第1~3章):首先介绍缺失值填补领域的缺失数据机制、基本概念、性能度量等基础知识,随后详细阐述目前基于统计学、机器学习的缺失值填补理论与方法。第二部分(第4~5章):...
第一部分(第1~3章):首先介绍缺失值填补领域的缺失数据机制、基本概念、性能度量等基础知识,随后详细阐述目前基于统计学、机器学习的缺失值填补理论与方法。第二部分(第4~5章):对目前神经网络在缺失值填补领域的研究成果进行归纳总结,并从网络模型、填补方案角度阐述神经网络填补方法的设计及应用。第三部分(第6~7章...
《基于机器学习的数据缺失值填补:理论与方法》作者:机械工业出版社,出版社:2020年9月 第1版,ISBN:79.00。内容介绍这是一部讲解如何基于机器学习技术实现数据缺失值填补的专著,与传统的基于统计学的缺失值填补方法