用于数据填补的自编码器、主成分分析与支持向量回归
人工智能
2007-09-18 v1 数据库
摘要
数据收集往往导致记录中存在缺失值或变量。本研究比较了三种不同的数据填补模型，并通过准确度指标识别其优点。自编码器神经网络、主成分和支持向量回归被用于预测，并结合遗传算法来填补缺失变量。主成分分析 (PCA) 的使用提高了自编码器网络的整体性能，而支持向量回归的使用显示出未来研究的潜力。在某些变量的填补上实现了高达 97.4% 的准确度。
引用
@article{arxiv.0709.2506,
title = {Autoencoder, Principal Component Analysis and Support Vector Regression for Data Imputation},
author = {Vukosi N. Marivate and Fulufhelo V. Nelwamodo and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:0709.2506},
year = {2007}
}
评论
9 pages