最先进缺失值插补算法在某些基准数据集上的性能比较
机器学习
2013-07-23 v1 机器学习
摘要
基于数据的决策涉及通过计算智能识别一组有助于有效决策的属性。缺失值的存在极大地影响了正确属性集的选择，从而导致分类器的分类准确率下降。由于缺失值在野外实验或临床试验的数据收集阶段十分常见，适当的处理将提高分类器的性能。本文综述了最近开发的缺失值插补算法，并比较了它们在某些基准数据集上的性能。
引用
@article{arxiv.1307.5599,
title = {Performance comparison of State-of-the-art Missing Value Imputation Algorithms on Some Bench mark Datasets},
author = {M. Naresh Kumar},
journal= {arXiv preprint arXiv:1307.5599},
year = {2013}
}
备注
17 pages, 6 figures