APT-KNN:一种面向分类问题的高效缺失值填充算法

作者：徐宇明; 陈诚; 熊赟; 朱扬勇

来源：计算机应用与软件, 2011, (04): 135-139.

• 分类
• 缺失值填充
• 索引
• 数据挖掘
• 数据准备 Classification Missing value imputation Index Data mining Data preparation

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。

• 出版日期2011
• 单位复旦大学