空间自回归模型下不完整大数据缺失值插补算法

摘要

针对不完整大数据因其自身结构具有不规则性，导致在进行缺失值插补时计算量大、插补精度低的问题，提出空间自回归模型下不完整大数据缺失值插补算法。利用迁移学习算法在动态权重下过滤出原始数据中冗余数据，区分异常和正常数据，提取残缺数据，采用最小二乘回归对残缺数据实施修补。将缺失值插补分为3种类型，分别为一阶空间自回归模型插补、空间自回归模型插补和多重插补法。根据实际情况将修补后数据插补到合适的位置，实现不完整大数据缺失值插补。实验结果表明，所提方法具有良好的缺失值插补能力。

关键词

迁移学习 / 不完整大数据 / 缺失值插补 / 空间回归模型 / 数据修正

基金资助

云南省自然科学基金资助项目(202224143456)