一种用于精确疾病预测的创新插补与分类方法

从医学数据集中提取隐藏知识时，对医学数据集中缺失属性值进行插补是一个有趣且具有挑战性的研究课题。无法消除医疗记录中的缺失值。原因可能是某些检测可能因成本效益原因而未进行、临床试验中遗漏了数值、可能未记录数值等。数据挖掘研究者已提出多种方法来发现并插补缺失值，以提高分类准确率，从而准确预测疾病。本文中，我们提出一种新颖的插补方法，用于缺失值插补并在修复缺失值后执行分类。该方法基于聚类概念，旨在实现记录的降维。所讨论的案例研究表明，通过降维可高效修复并插补缺失值。所提方法对分类的重要性体现在案例研究中：若不进行降维则会分配多标签，而该方法分配了单类标签。