缺失數據的非參數插補.pdf_第1頁
已閱讀1頁，還剩38頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著互聯網技術的發(fā)展，數據量指數級增長，如何有效地從海量數據中提取有價值的信息已經成為統(tǒng)計學、機器學習領域中的重要課題.傳統(tǒng)的統(tǒng)計分析建立在規(guī)則數據集的基礎上，然而現實中數據往往存在缺失值問題.數據缺失并不代表信息不存在，但缺失值的存在會影響到數據挖掘、統(tǒng)計推斷的正常進行.
　　常用的缺失值處理方法有刪除法，特殊值處理法以及插補法等.在諸多缺失值處理方法中，插補法具有非常不錯的效果，而在插補法中最具代表性的就是回歸插補.回歸插補又

2、可以分為參數回歸插補和非參數回歸插補，非參數回歸插補因為其相對穩(wěn)健的性質，在實際生活中應用廣泛.常用的非參數插補方法有，Horvitz-Thompson逆概率加權估計(HT)，逆概率加權比估計，核密度插補方法，最近鄰插補方法，以及結合逆概率加權與核密度插補的雙穩(wěn)健插補方法等.本文在現有非參數雙穩(wěn)健插補的基礎上，結合逆概率加權比估計提出一種新的雙穩(wěn)健插補方法.通過大量的模擬及實例深入比較了前面提到的各插補方法.模擬結果表明，HT估計對傾向

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論