基于单输出子网迭代学习的缺失值填补方法

现实世界中不完整数据广泛存在,通常会增加数据分析与挖掘的难度,影响分析结果的可靠性.合理填补不完整数据的缺失值已经成为当前数据分析和挖掘中一个非常重要的环节.采用不完整数据属性关联建模的方法填补缺失值,鉴于不完整数据属性关联关系的复杂性,使用具有强大学习能力的单输出子网模型对不完整数据的缺失值进行填补,并针对由于缺失值的存在所导致的模型输入不完整问题,从缺失值的对待与描述切入,提出一种基于单输出子网迭代学习的缺失值填补方法.实验结果表明,通过单输出子网迭代学习能够取得更精确的填补结果,验证了所提方法的有效性.