10.3969/j.issn.1000-386X.2011.04.040
APT-KNN:一种面向分类问题的高效缺失值填充算法
分类是一种常见的数据挖掘方法,而属性值缺失是分类过程中常见的一类数据质量问题,缺失值填充可以减少属性值缺失造成的分类错误.缺失值填充首先要求准确率高,在许多实际应用当中,缺失值填充还必须保证较高的计算效率.提出了一种填充缺失属性值算法APT-KNN,APT-KNN算法利用属性与属性之间的相互关系,根据与目标最相似的几个实例属性值来估计缺失值,以保证填充结果具有更高的准确性,同时设计了一种优化的AntiPole树索引结构,提高了缺失属性值的填充效率.实验表明,APT-KNN方法与现有的几种缺失属性填充方法相比,具有更高的准确率和填充效率.
分类、缺失值填充、索引、数据挖掘、数据准备
28
TP3;O21
上海市科委重点科技攻关课题08511500203
2011-08-04（万方平台首次上网日期，不代表论文的发表时间）
共5页
135-139
