[发明专利]一种数据流决策树分类中的缺失值处理方法

权利要求书

1.一种数据流决策树分类中的缺失值处理方法，其特征在实现步骤如下：

步骤1：读取数据流中的数据样本，并使用固定容量的滑动窗口W保存最新到达的数据样本；

步骤2：当前数据样本中的属性X_i存在缺失值时，建立或更新属性X_i对应的缺失处理器，若属性X_i的缺失处理器已存在，则跳至步骤4更新缺失处理器，否则进入步骤3建立缺失处理器；

步骤3：计算滑动窗口W中同类样本关于属性X_i的标准差σ(X_i)，若σ(X_i)不超过阈值σ_m，则选择使用众数或平均值代替缺失值，否则建立子分类器来预测缺失值，根据此方法建立缺失处理器并跳至步骤5；

步骤4：计算缺失处理器的加权总错误率E，若E超过阈值β，则选择权重最大且错误率e_i＞β^*的缺失处理器进行更新，直到E低于阈值β；

步骤5：利用缺失处理器补充属性X_i的缺失值，得到完整的数据样本；

步骤6：依据Hoeffding决策树分类方法训练完整的数据样本，动态地构造决策树模型，并根据决策树分裂叶子节点时的属性度量值为每个属性X_i更新权重；

步骤7：返回数据流决策树分类结果。

2.根据权利要求1所述一种数据流决策树分类中的缺失值处理方法，其特征在于：所述步骤3中计算滑动窗口W中同类样本关于属性X_i的标准差σ(X_i)的方法为：

对于s个数据样本，数据属性X＝{X₁,X₂,...,X_n}，令x_ij表示属性X_i在第j个样本中的属性值，当属性X_i为离散属性时，样本标准差σ(X_i)为：

σ(Xi)=1s-1Σj=1sdiff(xij,Mi),]]>

diff(xij,Mi)=1(xij≠Mi)0(xij=Mi),]]>

其中，M_i表示属性X_i在计算样本中属性值的众数；当属性X_i为连续属性时，样本标准差σ(X_i)为：

σ(Xi)=1s-1Σj=1s(xij-μi)2,]]>

μi=Σj=1sxij,]]>

其中，μ_i表示属性X_i在计算样本中属性值的平均值。