资料下载
×
基于聚类的大数据应用数据缺失值充填方法
消耗积分:0 |
格式:pdf |
大小:2.31 MB |
2021-06-11
分享资料个
在大数据应用中，多数建模方法是在完备数据集基础上进行的，但在数据采集过程或存储过程中容易出现数据缺失的现象，导致无法建模。为此，提岀一种基于聚类的递归充填方法。使用冋类簇的均值对不完备数据进行预填充，形成初始完备数据集，针对得到的完整数据进行聚类，并运用冋类簇的均值修正初始充填值。根据充填效果误差判定充填稳定性，并进行多次递归聚类修正充填值，直到前后两次充填较为稳定或迭代次数超过阈值时停止迭代。实验结果表明，与均值充填、K最近邻充填、聚类充填及粗糙集不完备数据分析等方法相比，该方法能够进行更为精准的充填，使得最终充填更加接近真实数据。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
