文献类型：期刊文章

作　　者：郑智泉[1] 陈妍[1] 王孟孟[1] 田维琦[1]

Zheng Zhiquan;Chen Yan;Wang Mengmeng;Tian Weiqi(College of Data Science and Information Engineering,Guizhou Minzu University,Guiyang 550025,China)

机构地区：[1]贵州民族大学数据科学与信息工程学院,贵阳550025

出　　处：《统计与决策》

基　　金：贵州省科技计划项目(黔科合基础-ZK[2021]一般340);贵州民族大学“部校共建”专项项目(GZMDBXSZM1908)。

年　　份：2023

期　　号：8

起止页码：12-17

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2023_2024、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：为了研究数据缺失填补算法的准确性和稳定性,文章基于完全随机缺失对完整数据集按不同缺失率进行挖空处理,然后使用6种算法对缺失数据进行填补,并重复执行多次,对比分析其准确性和稳定性,给出相应的置信区间。结果表明,混合迭代填补法准确性优于K近邻、缺失森林、加权K近邻等算法,其稳定性仅次于缺失森林;随着缺失率的增大,该算法准确性高的优势更加显著;当缺失率小于5%时,该算法的准确性和稳定性达到最佳。

关 键 词：数据缺失  缺失率  K近邻 缺失森林  混合迭代填补  

分 类 号：O212.1]