基于貝葉斯方法的缺失數(shù)據(jù)補(bǔ)全研究.pdf

1、隨著信息技術(shù)的高速發(fā)展和人們獲得數(shù)據(jù)途徑的多樣化，企業(yè)積累的數(shù)據(jù)飛速激增。由于這些數(shù)據(jù)里面隱含著很多有用的信息，可以通過(guò)數(shù)據(jù)挖掘來(lái)進(jìn)一步的分析和充分的利用。但是很多的研究方法和模型都是基于理想的而非現(xiàn)實(shí)的數(shù)據(jù)集。各種原因?qū)е铝宋覀兪占臄?shù)據(jù)存在很多質(zhì)量問(wèn)題，其中較為棘手的為數(shù)據(jù)缺失的問(wèn)題。
　　目前國(guó)內(nèi)外的缺失數(shù)據(jù)的補(bǔ)全方法主要有以下幾種：刪除法、常量補(bǔ)全法、統(tǒng)計(jì)學(xué)補(bǔ)全法、簡(jiǎn)單值補(bǔ)全法和復(fù)雜估算值補(bǔ)全法。其中復(fù)雜值補(bǔ)全法因其最大程

2、度上利用了當(dāng)前已知數(shù)據(jù)，幫助預(yù)測(cè)缺失數(shù)據(jù)，從而獲得了較好的補(bǔ)全精度。本文著重研究了復(fù)雜值補(bǔ)全法中廣泛應(yīng)用的樸素貝葉斯補(bǔ)全缺失數(shù)據(jù)的方法。但是樸素貝葉斯方法因?qū)?shù)據(jù)屬性間做了獨(dú)立假設(shè)，擯棄了數(shù)據(jù)屬性間的關(guān)聯(lián)性，導(dǎo)致了預(yù)測(cè)值不準(zhǔn)確，形成了誤差。
　　本文針對(duì)樸素貝葉斯方法在數(shù)據(jù)補(bǔ)全方面固有的缺點(diǎn)，對(duì)其進(jìn)行了改進(jìn)，提出了含有修正因子的雙尺度貝葉斯公式，并從理論上分析了雙尺度貝葉斯公式可以很好的適應(yīng)一般屬性間的三種關(guān)聯(lián)形式。雙尺度貝葉斯算