数据缺失处理方法.docxVIP

PAGE PAGE # 关于数据缺失问题的总结 造成数据缺失的原因 在各种实用的数据库中，属性值缺失的情况经常发全甚至是不可避免的。因此，在大多数情况下，信息 系统是不完备的，或者说存在某种程度的不完备。造成数据缺失的原因是多方面的，主要可能有以下几种： 1）有些信息暂时无法获取。例如在医疗数据库中，并非所有病人的所有临床检验结果都能在给定的时间内得到，就致使 一部分属性值空缺出来。又如在申请表数据中，对某些问题的反映依赖于对其他问题的回答。 2） 有些信息是被遗漏的。可能是因为输入时认为不重要、忘记填写了或对数据理解错误而遗漏，也可 能是由于数据采集 设备的故障、存储介质的故障、传输媒体的故障、一些人为因素等原因而丢失了。 3） 有些对象的某个或某些属性是不可用的。也就是说，对于这个对象来说，该属性值是不存在的，如一个未婚者的配偶 姓名、一个儿童的固定收入状况等。 4） 有些信息（被认为）是不重要的。如一个属性的取值与给定语境是无关的，或训练数据库的设计者并不在乎某个属性 的取值（称为 dont-care value） [37]。 5） 获取这些信息的代价太大。 6） 系统实时性能要求较高，即要求得到这些信息前迅速做出判断或决策。 2.2.2数据缺失*L布U在对缺失数据进行处理前，了解数据缺失的机制和形式是十分必要的。将数据集中不含缺失值的 变量（属 性）称为完全变量