[发明专利]一种基于多种算法融合的缺失值插补方法在审
| 申请号： | 201611123384.1 | 申请日： | 2016-12-08 |
| 公开（公告）号： | CN108197080A | 公开（公告）日： | 2018-06-22 |
| 发明（设计）人： | 陶波;许飞月;陈乐焱;李青海 | 申请（专利权）人： | 广东精点数据科技股份有限公司 |
| 主分类号： | G06F17/18 | 分类号： | G06F17/18 |
| 代理公司： | 北京隆源天恒知识产权代理事务所(普通合伙) 11473 | 代理人： | 闫冬 |
| 地址： | 510630 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于多种算法融合的缺失值插补方法，其包括：步骤S1：对所有数据进行层次聚类；步骤S2：针对含有缺失值的类，根据是否为有缺失值的记录，将记录分为缺失数据组和完全数据组；步骤S3：将完全数据组中的数据随机分成训练集和测试集，用n种现有的插补方法预测测试集，构建一定数量的样本集；步骤S4：运用得到的样本集训练神经网络得出神经网络模型；步骤S5：运用神经网络模型对含有缺失值的类进行插补，得出最后的插补值；步骤S6：判断是否存在还有缺失值的类，如果是，则执行步骤S2，如果否，则执行步骤S7；步骤S7：结束。本发明运用现有多种方法得出的缺失值，解决人为主观的选择缺失值插补方法的不足，比较客观有效地插补缺失值。 | ||
| 搜索关键词： | 插补 神经网络模型 算法融合 测试集 数据组 样本集 训练神经网络 层次聚类 缺失数据 训练集 有效地 构建 记录 主观 预测 | ||
【主权项】：
1.一种基于多种算法融合的缺失值插补方法，其特征在于，该方法包括以下步骤：步骤S1：对所有数据进行层次聚类；步骤S2：针对含有缺失值的类，根据是否为有缺失值的记录，将记录分为缺失数据组和完全数据组；步骤S3：将所述完全数据组中的数据随机分成训练集和测试集，用n种现有的插补方法预测测试集，构建一定数量的样本集；步骤S4：运用得到的样本集训练神经网络得出神经网络模型；步骤S5：运用所述神经网络模型对含有缺失值的类进行插补，得出最后的插补值；步骤S6：判断是否存在还有缺失值的类，如果是，则执行步骤S2，如果否，则执行步骤S7；步骤S7：结束。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东精点数据科技股份有限公司，未经广东精点数据科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611123384.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种改进的对缺失值插补的算法
- 下一篇：一种航班延误险的数据精算模型建立方法
