基于貝葉斯方法的缺失數據補全研究.pdf

1、隨著信息技術的高速發(fā)展和人們獲得數據途徑的多樣化，企業(yè)積累的數據飛速激增。由于這些數據里面隱含著很多有用的信息，可以通過數據挖掘來進一步的分析和充分的利用。但是很多的研究方法和模型都是基于理想的而非現實的數據集。各種原因導致了我們收集的數據存在很多質量問題，其中較為棘手的為數據缺失的問題。
　　目前國內外的缺失數據的補全方法主要有以下幾種：刪除法、常量補全法、統計學補全法、簡單值補全法和復雜估算值補全法。其中復雜值補全法因其最大程

2、度上利用了當前已知數據，幫助預測缺失數據，從而獲得了較好的補全精度。本文著重研究了復雜值補全法中廣泛應用的樸素貝葉斯補全缺失數據的方法。但是樸素貝葉斯方法因對數據屬性間做了獨立假設，擯棄了數據屬性間的關聯性，導致了預測值不準確，形成了誤差。
　　本文針對樸素貝葉斯方法在數據補全方面固有的缺點，對其進行了改進，提出了含有修正因子的雙尺度貝葉斯公式，并從理論上分析了雙尺度貝葉斯公式可以很好的適應一般屬性間的三種關聯形式。雙尺度貝葉斯算