对有关联数据缺失填补方法的改进

摘要：

本文根据生物样本数据之间有关联性的特点,对一种最基本的缺失数据填补办法进行逐步优化.首先对数据进行预处理,摘取部分R统计软件中自带的iris鸢尾花数据,每一行代表一株花的记录,并人为随机挖空.其次,使用最基本的均值填补对缺失数据进行填补.然后,针对均值填补法的主要缺点,提出改进方法:对样本数据进行系统聚类,再对分类后的各组数据分别进行均值填补.考虑样本数据之间的关联性,对分类之后的填补方法再一次进行优化,采用回归填补法填补缺失数据.比较基本的均值填补、分类后的均值填补、分类后的回归填补,发现三者的误差率逐步递减,证明本文提出的优化方法是可行的.最后,由于仍然存在相当大的误差,考虑到分类方法是基于欧氏距离,没有考虑指标间的相关性,本文提出马氏距离作为改进.

关键词：填补缺失数据、聚类分析、回归填补、马氏距离

所属期刊栏目：14

分类号：TP31(计算技术、计算机技术)

在线出版日期：2017-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：138-140