- 1
- 2
- 3
- 4
- 5
针对机器学习中残缺数据的近似补全方法
资料介绍
针对机器学习中含残缺项的数据不能被有效利用,导致分类和回归准确率不高的问题,提出了一种近似补全方法——k-ANNO方法。给定残缺的数据样本,该方法首先通过离线构建的图结构来近似搜索与该样本最接近的k个近邻顶点,然后采用快速二次规划估计各近邻的最优权重,最后基于权重值来补全样本中的残缺项,用户可以根据实际需求在补全效率与准确性之间折中。k-ANNO方法较好地解决了机器学习中普遍存在的数据残缺问题,有效抑制了数据残缺对分类和回归精度的干扰。利用多份公开数据集评估了k-ANNO方法的补全效果,结果表明:当加速比在2~10之间时,k-ANNO方法的分类错误率比已有的均值补全、C均值补全、自组织映射补全方法低1%~4%,回归均方根误差比已有方法低约0.5~2.0;当样本规模为4 000时,在不同加速比参数下,k-ANNO方法的计算效率比朴素k近邻方法高约35%~320%。
部分文件列表
| 文件名 | 大小 |
| 针对机器学习中残缺数据的近似补全方法.pdf | 2M |
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏5.00元 1天前
资料：数控电子负载-CH552
-
21ic小能手 打赏5.00元 1天前
-
21ic小能手 打赏5.00元 1天前
-
21ic下载 打赏310.00元 2天前
用户：zhengdai
-
21ic下载 打赏310.00元 2天前
用户：liqiang9090
-
21ic下载 打赏330.00元 2天前
用户：jh0355
-
21ic下载 打赏210.00元 2天前
用户：小猫做电路
-
21ic下载 打赏240.00元 2天前
用户：jh03551
-
21ic下载 打赏210.00元 2天前
用户：gsy幸运
-
21ic下载 打赏70.00元 2天前
用户：w178191520
-
21ic下载 打赏60.00元 2天前
用户：sun2152
-
21ic下载 打赏80.00元 2天前
用户：江岚
-
21ic下载 打赏60.00元 2天前
用户：xuzhen1
-
21ic下载 打赏20.00元 2天前
用户：kk1957135547
-
21ic下载 打赏40.00元 2天前
用户：潇潇江南
-
21ic下载 打赏20.00元 2天前
用户：w993263495
-
21ic下载 打赏20.00元 2天前
用户：w1966891335
-
21ic下载 打赏70.00元 2天前
用户：有理想666
-
21ic下载 打赏35.00元 2天前
用户：xzxbybd
-
21ic下载 打赏15.00元 2天前
用户：x15580286248
-
21ic下载 打赏25.00元 2天前
用户：铁蛋锅
-
21ic下载 打赏35.00元 2天前
用户：mulanhk
-
21ic下载 打赏25.00元 2天前
用户：曲鹏
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
全部评论(0)