可扩展机器学习中残缺数据补全方法研究  

Research on Incomplete Data Completion Method in Extensible Machine Learning

作　　者：毛颖颖[1] Mao Yingying(Department of Information Engineering,Henan Polytechnic,Zhengzhou Henan 450000,China)

机构地区：[1]河南职业技术学院信息工程系,河南郑州450000

出　　处：《信息与电脑》2018年第17期32-33,共2页Information & Computer

基　　金：河南省科技厅科技发展计划(项目编号:182102210549);河南省高等学校重点科研项目指导计划(项目编号:19B520028)

摘　　要：现代社会中的各行各业都在广泛运用互联网的相关技术,最具代表性的便是网络大数据的搜集、处理、储存以及输出反馈工作。现对可扩展机器学习中的残缺数据进行补全方法的相关研究。通过对残缺数据补全方法的设计,可以发现数据残缺问题的出现主要是由数据属性残缺所导致的。通过对数据属性相关算法的设计,可以有效完成残缺数据的补全工作。通过对残缺数据补全方法的实验论证,可以发现G-G估算法对残缺数据的补全有重大实践意义。The Internet is widely used in all walks of life in modern society.The most representative is the collection,processing,storage and output feedback of large network data.The related research on incomplete data completion in extensible machine learning is done.Through the design of incomplete data complement method,we can find that the problem of data incomplete is mainly caused by the incomplete data attribute.Through the design of the data attribute correlation algorithm,the incomplete data can be completed effectively.Through the experimental demonstration of the incomplete data complement method,the G-G estimation can be found.The completion of incomplete data is of great practical significance.

关 键 词：残缺数据 实验设计 方法设计 可扩展机器学习 

分 类 号：TP351[自动化与计算机技术—计算机系统结构]