用于插补缺失数据的粗糙集计算
计算机视觉与模式识别
2007-05-23 v1 信息检索
摘要
文献中已经提出了许多处理缺失数据的技术。这些技术大多过于复杂。本文探讨了一种基于粗糙集计算的插补技术。本文引入特征关系来描述不完全指定的决策表。结果表明，对于不完全指定的决策表，上下逼近的基本粗糙集思想可以以多种不同的方式定义。给出了使用真实数据获得的实证结果，它们为缺失数据问题提供了有价值且有前景的见解。缺失数据的预测准确率高达 99%。
引用
@article{arxiv.0704.3635,
title = {Rough Sets Computations to Impute Missing Data},
author = {Fulufhelo Vincent Nelwamondo and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:0704.3635},
year = {2007}
}
评论
19 pages