期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

缺失数据处理方法的比较研究 被引量：13

A Comparison Study of Missing Value Datasets Processing Methods
下载PDF
导出
摘要 由于数据挖掘技术日益广泛地应用于各个领域,而大多数领域中数据都存在缺失值,因此基于缺失数据的数据挖掘方法的研究具有重要意义.利用直接删除、特殊值填充、平均值填充、Robust方法4种处理缺失值的方法建立4个缺失值处理模型以及相应的朴素贝叶斯分类器模型.通过在5个实际数据集上进行实验比较,并采用五重交叉验证来检验这些模型的性能.结果表明,用这些模型处理缺失值构建的朴素贝叶斯分类器是有效的.
作者 乔珠峰 田凤占 黄厚宽 陈景年
机构地区 北京交通大学计算机与信息技术学院
出处 《计算机研究与发展》 EI CSCD 北大核心 2006年第z1期171-175,共5页 Journal of Computer Research and Development
基金 国家自然科学基金项目(60503017)
关键词 数据挖掘 缺失值 朴素贝叶斯分类器 ROBUST 交叉验证
分类号 TP18 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献7

  • 1[1]Marco Ramoni,Paola Sebastiani.Robust Bayes classifiers[J].Artificial Intelligence,2001,125(1-2):209-226
  • 2[2]Sameer Agarwal.Learning from incomplete data[OL].http://www.cs.ucsd.edu/user/elkan/254springol/sagarwalrep.pdf,2006
  • 3[3]Zoubin Ghahramani,Michael I Jordan.Learning from incomplete data[R].MIT Center for Biological and Computational Learning,Tech Rep:AIM-1509,1994
  • 4[4]R J A Little,D B Rubin.Statistical Analysis with Missing Data[M].Wiley Series in Probability and Mathematical Statistics.New York:Wiley and Sons,1987
  • 5[6]J W Grzymala-Busse,M Fu.A comparison of several approaches to missing attribute values in data mining[C].In:Proc of the 2nd Int'l Conf on Rough Sets and Current Trends in Computing.Berlin:Springer-Verlag,2000.378-385
  • 6[7]David Heckerman.Bayesian networks for data mining[G].In:Data Mining and Knowledge Discovery.Berlin:Springer,1997.79-119
  • 7[8]Nir Friedman,Dan Geiger,Moises Goldszmidt.Bayesian network classifiers[J].Machine Learning,1997,29(2-3):131-163

同被引文献122

引证文献13

二级引证文献88

计算机研究与发展
2006年 第z1期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部