基於機器學習的數據缺失值填補：理論與方法

內容簡介

這是一部講解如何基於機器學習技術實現數據缺失值填補的專著，與傳統的基於統計學的缺失值填補方法相比，效率上得到了較大的提升。作者基於多年的研究和實踐成果，創新性地提出了基於神經網絡的缺失值填補方法和基於TS模型的缺失值填補方法。全書共8章，可分爲4個部分。第一部分（第1~3章）：首先介紹缺失值填補領域的缺失數據機制、基本概念、性能度量等基礎知識，隨後詳細闡述目前基於統計學、機器學習的缺失值填補理論與方法。第二部分（第4~5章）：對目前神經網絡在缺失值填補領域的研究成果進行歸納總結，並從網絡模型、填補方案角度闡述神經網絡填補方法的設計及應用。第三部分（第6~7章）：詳細介紹面向不完整數據的TS建模過程，隨後通過特徵選擇算法處理TS建模中的特徵冗餘問題，並從前提參數優化和結論參數優化兩個角度改進TS模型。第四部分（第8章）：以缺失值填補方法在我國貧困問題研究中的應用爲例，展現缺失值填補方法的現實意義。

書籍信息