-
题名面向销售数据的多项缺失值关联性的增量填补
- 1
-
-
作者
刘智
李涛
袁冲
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统湖北省重点实验室
武汉海云健康科技股份有限公司技术管理部门
-
出处
《计算机系统应用》
2024年第4期288-295,共8页
-
基金
武汉市重点研发计划(2022012202015070)
武汉东湖新技术开发区“揭榜挂帅”项目(2022KJB126)。
-
文摘
数据缺失会影响数据的质量,可能导致分析结果的不准确和降低模型的可靠性,缺失值填补能减低偏差方便后续分析.大多数的缺失值填补算法,都是假设多项缺失值之间是弱相关甚至无相关,很少考虑缺失值之间的相关性以及填补顺序.在销售领域中对缺失值进行独立填补,会减少缺失值信息的利用,从而对缺失值填补的准确度造成较大的影响.针对以上问题,本文以销售领域为研究目标,根据销售行为的多维度特征,利用不同模型输出值的空间分布特征特性,探索多项缺失值的填补更新机制,研究面向销售数据多项缺失值增量填补方法,根据特征相关性,对缺失特征排序并用已填补的数据作为信息要素融合对后面的缺失值进行增量填补.该算法同时考虑了模型的泛化性和缺失数据之间的信息相关问题,并结合多模型融合,对多项缺失值进行有效填补.最后基于真实连锁药店销售数据集通过大量实验对比验证了所提算法的有效性.
-
关键词
缺失值处理
增量填补
多模型混合
Stacking算法
药店销售
-
Keywords
missing value handling
incremental filling
multi-model hybrid
Stacking algorithm
drugstore sales
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-