- 基于機器學習的數據缺失值填補:理論與方法
- 賴曉晨 張立勇 劉輝 吳霞
- 192字
- 2020-09-24 10:12:29
3.4 針對缺失數據不確定性的填補方法
缺失值是數據集中的未知因素,在一定程度上導致分析結果不確定。針對缺失數據的不確定性問題,多重填補法和基于證據理論的填補方法將不完整數據分析過程分為填補、分析與合并3個階段,通過執行多次填補得到若干組填補值,在此基礎上求解多個分析結果并對這些結果實行有效合并。相比于單一填補法,此類方法合理考慮缺失值不確定性對分析結果造成的影響,從而獲得更為合理的推斷。