计算机工程

作者：邵良杉, 赵松泽

单位：1. 辽宁工程技术大学 软件学院, 辽宁 葫芦岛 1251052. 辽宁工程技术大学 系统工程研究所, 辽宁 葫芦岛 125105

关键词：缺失数据插补,多模型融合,伪标签,噪声标签学习,数据挖掘

基金：国家自然科学基金(71771111)

缺失数据插补是从不完整数据集中进行数据挖掘的重要步骤，现有插补算法无法有效利用高缺失率的样本，存在等效处理缺失率不同的样本、假设缺失数据与完整数据同分布问题。构建基于多模型融合的不完整数据分数插补算法FIB。根据噪声标签学习，提出新的样本评分方式，以输出样本分数，通过建立机器学习模型将该分数作为分数样本权重，减小不可靠样本对模型性能的影响，并借鉴伪标签技术，使用高缺失率样本生成伪标签数据。将伪标签数据扩充至插补结果，形成待合并的单元插补结果，利用多个插补算法将单元插补结果融合生成最终插补结果。在12个公开UCI数据集上的实验结果表明，相比传统插补算法，使用样本评分、生成伪标签数据及多模型融合这3种新技术使插补效果分别平均相对提升2.35%、5.89%及7.78%，相比DIM，FIB的平均准确率相对提升8.39%。此外，随着模型个数的增加, 插补效果也会相应增加，对于分类任务，5个模型融合的插补效果比2个模型的准确率平均相对提升11%，对于回归任务，R2得分平均相对提升15%。

来源：2023年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第9期