[发明专利]一种基于聚类的金融缺失数据处理方法

权利要求书

1.一种基于聚类的金融缺失数据处理方法，其特征在于，包括：

获取金融数据集；

对所述金融数据集进行两步处理；

对经过所述两步处理得到数据集进行聚类操作，整合其聚类后的簇；

通过相似度度量将缺失数据对象划分的到最想似的簇中，并通过簇内信息进行填补。

2.如权利要求1所述的基于聚类的金融缺失数据处理方法，其特征在于：所述两步处理包括，

一步是不处理数据集中的缺失值，一步是将数据集分为缺失数据集和完整的数据集。

3.如权利要求2所述的基于聚类的金融缺失数据处理方法，其特征在于：所述不处理数据集中的缺失值包括，

对金融缺失数据集进行k-means聚类处理；

所述k-means聚类处理过程如下：

选定簇的个数k为8，使用余弦相似度计算各个样本点到簇中心的距离；

对于分类后的产生的8个簇，使用欧式距离计算到簇内其他点距离均值最小的点作为质心，重复以上过程直至簇中心没有移动，得8个簇。

4.如权利要求1～3任一所述的基于聚类的金融缺失数据处理方法，其特征在于：所述余弦相似度计算公式为：

其中，cosθ表示余弦相似度，A表示对象点向量(x₁,y₁)，B表示质心向量(x₂,y₂)。

5.如权利要求1～3任一所述的基于聚类的金融缺失数据处理方法，其特征在于：所述欧式距离的计算公式为：

其中，d(x,y)表示欧式距离，n表示维数，i表示第i维，x_i表示第一个点的第i维坐标，y_i表示第二个点的第i维坐标。

6.如权利要求3所述的基于聚类的金融缺失数据处理方法，其特征在于：判断所述簇中心没有移动的标准为所述质心没有改变。

7.如权利要求2所述的基于聚类的金融缺失数据处理方法，其特征在于：将所述数据集分为缺失数据集和完整数据集的分类标准包括，

根据是否有缺失值将所述数据集分为缺失数据集和完整数据集。

8.如权利要求1、2、7任一所述的基于聚类的金融缺失数据处理方法，其特征在于：对所述完整数据集进行k-means聚类处理，得到8个簇。

9.如权利要求8所述的基于聚类的金融缺失数据处理方法，其特征在于：还包括，

使用皮尔森相关来进一步分析通过两次聚类得到的簇，将第一次聚类得到的簇视为变量X，第二次聚类得到的簇视为变量Y，使用皮尔森来计算X与Y的相似程度，皮尔森计算公式：

其中，N为样本总量；

如果ρ_X,Y大于预设值，表示两个簇之间相关，即在聚类中这个簇没有因为信息的缺失而受影响，则选用这类簇用于缺失值填补。

10.如权利要求2、7～8任一所述的基于聚类的金融缺失数据处理方法，其特征在于：计算所述缺失数据集中的缺失数据对象和采用皮尔森相关选出来的簇的欧式距离：

其中，d(x,y)表示欧式距离，n表示维数，i表示第i维，x_i表示第一个点的第i维坐标，y_i表示第二个点的第i维坐标；

基于计算结果进行相似度的度量，将所述缺失数据对象划分到最相似的簇中，并将所述簇的属性均值填充给所述缺失数据对象。