一种基于类的聚类方法用于缺失属性值填补以高效挖掘医学数据集

缺失属性值在文献中可用的数据集里相当常见。由于所有属性值可能未被记录，因而因多种实际原因不可得，缺失值也可能出现。若需进行分析，必须对所有这些缺失属性值进行修正。填补是分析医学数据集的第一步，因此获得了来自多个医学领域研究者的重要贡献。一些数据挖掘研究者提出了各种方法和途径来填补缺失值，然而其中极少关注降维。本文讨论了一种新颖的缺失值填补框架。我们填补缺失值的方法植根于基于类的聚类方法，并主要旨在实现医学记录的降维。我们使用这些降维后的记录进行预测和分类分析。通过一个案例研究，展示了如何使用所提方法进行填补。