不同缺失数据处理方法对D-vine Copula分类器的影响

作者：杨光; 王蕾; 付志慧

来源：沈阳师范大学学报(自然科学版), 2021, 39(01): 35-38.

• 缺失数据
• D-vine Copula
• 分类器
• K最近邻插补法

数据缺失是较为常见的影响数据质量的因素,会降低分析结果的可靠性。采用不同方法填补缺失数据,再用D-vine copula分类器对填补后的数据做分类,通过预测准确率来分析不同缺失数据处理方法对D-vine copula分类器的影响。首先,介绍了5种常用的缺失数据处理方法和D-vine copula分类器的相关知识;其次,结合实际数据,模拟不同的缺失比例,用这5种方法对数据进行填补;最后,用D-vine copula分类器对填补后的数据做分类,对分类准确率进行比较分析。研究发现,填补后的数据在D-vine copula分类器上表现得较为稳定,当数据缺失比例在5%～10%时,用随机插补法处理缺失数据效果较好,当数据缺失比例较大时,可以优先考虑用K最近邻插补法处理缺失数据。

• 单位
  闽南师范大学; 沈阳师范大学