[发明专利]一种数据缺失属性值的填充设备、装置及方法

说明书

本申请公开了一种数据缺失属性值的填充设备，能获取不完全数据集；为不完全数据集中缺失属性填充初始值，得到初始完全数据集；利用基于布谷鸟算法的聚类算法对初始完全数据集进行聚类，得到聚类簇集合；确定聚类簇集合中各聚类簇的完整数据的缺失属性的均值，进而根据该均值更新该聚类簇中的初始值，得到目标完全数据集。可见，该方案基于布谷鸟算法对聚类算法进行了优化，此外该方案先为缺失属性填充初始值，再根据聚类得到的聚类簇中完整数据缺失属性的均值对初始值进行更新，对高缺失倍率和低缺失倍率的数据都能起到较好的填充效果。此外，本申请还提供了一种数据缺失属性值的填充装置、方法及可读存储介质，其作用与上述设备的作用相对应。

技术领域

本申请涉及数据填充领域，特别涉及一种数据缺失属性值的填充设备、装置、方法及可读存储介质。

背景技术

数据集在收集与整理的过程中由于各种不可控原因导致数据的部分属性值缺失，从而对数据的质量造成非常严重的影响并且降低数据挖掘的效果。因此，为了提高对不完整数据集的分析效果，对其中的缺失数据进行填充是至关重要的。

然而，现有的缺失属性值填充方案要么对高缺失倍率数据的填充效果不理想，要么对低缺失倍率数据的填充效果不理想，难以均衡对不同缺失倍率数据的填充效果。

发明内容

本申请的目的是提供一种数据缺失属性值的填充设备、装置、方法及可读存储介质，用以解决现有的缺失属性值填充方案难以均衡对不同缺失倍率数据的填充效果的问题。具体方案如下：

第一方面，本申请提供了一种数据缺失属性值的填充设备，包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序，以实现以下步骤：

获取不完全数据集；为所述不完全数据集中缺失数据的缺失属性填充初始值，得到初始完全数据集；利用基于布谷鸟算法的聚类算法对所述初始完全数据集进行聚类，得到聚类簇集合；确定所述聚类簇集合中聚类簇的完整数据，并确定该完整数据的缺失属性的均值，进而根据所述均值更新所述聚类簇中缺失数据的初始值，得到目标完全数据集。

可选的，所述处理器具体用于：

对所述不完全数据集进行随机划分，得到多个分组；确定各个所述分组中完全数据的缺失属性的随机均值；根据所述分组中完全数据的缺失属性的随机均值，填充相应的分组中的缺失数据，得到初始完全数据集。

可选的，所述处理器具体用于：

从所述初始完全数据集随机选取多个数据，以作为初始的聚类中心；

根据所述聚类中心，对所述初始完全数据集中的各个数据进行聚类划分操作，得到聚类结果；

确定所述聚类结果的适应度数值；

在所述适应度数值大于当前最优聚类中心的适应度数值时，根据所述聚类中心更新所述当前最优聚类中心；

根据莱维飞行策略，对所述聚类中心进行更新；

重复执行所述聚类划分操作，直至达到预设终止条件，得到聚类簇集合。

可选的，所述处理器还用于：

生成随机数，并在所述随机数大于预设阈值时，对更新后的聚类中心进行随机改变。

可选的，所述预设终止条件为：

达到预设最大迭代次数或满足适应度函数收敛条件。

第二方面，本申请提供了一种数据缺失属性值的填充装置，包括：

数据获取模块：用于获取不完全数据集；