基于交替学习的不完整数据精细建模及缺失值填补方法

摘要

本发明公开一种基于交替学习的不完整数据精细建模及缺失值填补方法，属于数据挖掘领域。首先基于模糊聚类算法将输入空间划分为若干个子集，并对每个子集建立一个特定的局部线性回归模型；然后采用局部线性回归模型的加权和来构建全局模型，提升了模型的精细度；并对每个子集使用逐步回归算法进行显著输入特征的选择以进一步提高模型的精细度。本发明将缺失值视为变量，并提出一种让显著输入特征的选择、模型的参数和缺失值的填补三者交替学习的模型求解策略，在建模完成的同时填补也伴随式的完成。本发明提高传统回归填补中所建模型的精细度，并有效的解决不完整数据建模时模型输入数据不完整的问题，具有较理想的填补精度。