16、异构缺失数据插补的集成学习方法

异构缺失数据插补的集成学习方法

在实际的数据处理中，缺失值是一个常见且棘手的问题。本文将介绍一种能够处理多种数据类型的综合框架，该框架在处理标记和未标记数据集时都表现出色。

1. 框架概述

该框架主要分为三个阶段，旨在为缺失值定义具有最大概率的插补值。与文献中其他基础模型方法不同，它通过集成随机森林（RF）步骤，在学习阶段根据装袋过程生成不同的数据表示（具有不同方差的树）。Jaccard 指数作为过滤器，用于选择与包含缺失值的行具有最大相似度且无缺失值的行。最后，应用贝叶斯概率，从所有最相似的行中确定具有最大概率值的属性来插补缺失值。

其核心算法如下：

Algorithm 1: Ensemble learning for heterogeneous missing imputation
Input: A’, A∅, nfld, mdpt, msiz, tst, ndt
1 for ndt i in [ ndt ] do
2     j ←0;
3     while j <= nfld do
4         Anfld ←split A’ in nfld folds;
5         compute random forest (Anfld, mdpt, msiz, tst, ndt i) ;
6         update root trees ←random forest results ;
7         if tst == supervised then
8             compute accuracy ←metrics (root trees, tst);