• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Expert systems with applications >Pop Algorithm: Kernel-based Imputation To Treat Missing Values In Knowledge Discovery From Databases
【24h】

Pop Algorithm: Kernel-based Imputation To Treat Missing Values In Knowledge Discovery From Databases

机译：流行算法：基于内核的归类来处理数据库知识发现中的缺失值

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To complete missing values a solution is to use correlations between the attributes of the data. The problem is that it is difficult to identify relations within data containing missing values. Accordingly, we develop a kernel-based missing data imputation in this paper. This approach aims at making an optimal inference on statistical parameters: mean, distribution function and quantile after missing data are imputed. And we refer this approach to parameter optimization method (POP algorithm). We experimentally evaluate our approach, and demonstrate that our POP algorithm (random regression imputation) is much better than deterministic regression imputation in efficiency and generating an inference on the above parameters.
机译：为了完成缺失值，一种解决方案是使用数据属性之间的相关性。问题是很难识别包含缺失值的数据中的关系。因此，我们在本文中开发了基于内核的缺失数据归因。这种方法旨在对统计参数进行最佳推断：估算缺失数据后的均值，分布函数和分位数。我们将此方法称为参数优化方法（POP算法）。我们通过实验评估了我们的方法，并证明了我们的POP算法（随机回归插补）在效率和生成上述参数的推断上要比确定性回归插补好得多。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号