基于机器学习的数据缺失值填补.理论与方法

本书共8章, 可分为四部分。第一部分为第1-3章, 首先介绍缺失值填补领域的数据缺失机制、基本概念、性能度量等基础知识, 随后详细阐述目前基于统计学、机器学习的缺失值填补理论与方法。第二部分为第4-5章, 对目前神经网络在缺失值填补领域的研究成果进行归纳总结, 并从网络模型、填补方案角度阐述神经网络填补方法的设计及应用。第三部分为第6-7章, 详细介绍面向不完整数据的TS建模过程, 随后通过特征选择算法处理TS建模中的特征冗余问题, 并从前提参数优化和结论参数优化两个角度改进TS模型。第四部分为第8章, 以缺失值填补方法在我国贫困问题研究中的应用为例, 展现缺失值填补方法的现实意义。