位置：成果数据库 > 期刊 > 期刊详情页
缺失数据处理方法的比较研究
  • ISSN号：1000-1239
  • 期刊名称：《计算机研究与发展》
  • 时间：0
  • 分类：TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构：[1]北京交通大学计算机与信息技术学院,北京,100044 北京交通大学计算机与信息技术学院,北京,100044 北京交通大学计算机与信息技术学院,北京,100044 北京交通大学计算机与信息技术学院,北京,100044
  • 相关基金：国家自然科学基金项目(60503017)
作者： 乔珠峰[1], 田凤占[1], 黄厚宽[1], 陈景年[1]
关键词： 数据挖掘, 缺失值, 朴素贝叶斯分类器, Robust, 交叉验证
中文摘要：

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.

同期刊论文项目
贝叶斯网络分类器高效算法研究
期刊论文 24 会议论文 12 著作 1
同项目期刊论文
一种基于特征选择的不完整数据分类方法
因子分析降维对分类性能的影响研究.
一种用于贝叶斯分类器的文本特征选择方法。
一种基于特征选择的不完整数据分类方法。
文本分类中基于基尼指数的特征选择算法研究。
一种基于不完整数据的朴素贝叶斯分类器
一种有效的不完整数据分类器。
基于KL距离的TAN分类器判别性学习方法。
基于分布不完整数据选择性分类器?。
用于不完整数据的选择性贝叶斯分类器。
一种基于AdaBoost方法的树形HNB组合分类器
A Fuzzy kNN Text Classifier Based on Gini Index.
A selective Bayes Classifier for classifying incomplete data based on gain ratio.
Learning Bayesian Networks with the Combination of Evolutionary Algorithm and EMI Method
用于不完整数据的选择性贝叶斯分类器
基于分布不完整数据选择性分类器
一种用于贝叶斯分类器的文本特征选择方法
基于协同聚类的多核学习
基于KL距离的TAN分类器判别性学习方法
文本分类中基于基尼指数的特征选择算法研究
产生式与判别式分类方法比较研究
基于主成分分析朴素贝叶斯和决策树比较
基于类信息的文本特征选择与加权算法研究
期刊信息
  • 《计算机研究与发展》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院计算技术研究所
  • 主编：徐志伟
  • 地址：北京市科学院南路6号中科院计算所
  • 邮编：100190
  • 邮箱：crad@ict.ac.cn
  • 电话：010-62620696 62600350
  • 国际标准刊号：ISSN：1000-1239
  • 国内统一刊号：ISSN：11-1777/TP
  • 邮发代号:2-654
  • 获奖情况:
  • 2001-2007百种中国杰出学术期刊，2008中国精品科...,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）,中国北大核心期刊（2000版）
  • 被引量:40349