[发明专利]基于KNN算法的数据分析方法、装置、设备及存储介质

权利要求书

1.一种基于KNN算法的数据分析方法，其特征在于，包括：

接收数据分析指令；

若所述数据分析指令对应的数据集中存在缺失数据，则基于所述缺失数据的属性获取所述缺失数据的关联数据；

基于KNN算法对所述缺失数据的属性和所述数据集，以及所述关联数据和所述关联数据的属性进行处理，得到所述缺失数据的目标预测值；

基于所述目标预测值和所述数据集进行数据分析。

2.根据权利要求1所述的方法，其特征在于，所述基于KNN算法对所述缺失数据的属性和所述数据集，以及所述关联数据和所述关联数据的属性进行处理，得到所述缺失数据的目标预测值，包括：

基于所述缺失数据的属性和所述关联数据的属性构建初始模型；

将所述关联数据和所述数据集中除所述缺失数据之外的第一数据进行划分，得到至少两组训练数据集；

基于所述训练数据集对所述初始模型进行训练，得到初始KNN模型；

从所述关联数据中选取K个第一预测数据，所述K为大于2的整数；

将所述K个第一预测数据输入至所述初始KNN模型，得到所述缺失数据的第一预测值；

基于所述关联数据确定所述缺失数据的数据分布形态；

基于所述数据分布形态获取所述第一预测值的评价值；

若所述第一预测值的评价值大于预设阈值，则确定所述第一预测值为所述缺失数据的目标预测值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述缺失数据的属性和所述关联数据的属性构建初始模型，包括：

基于所述缺失数据的属性和所述关联数据的属性确定初始模型中每一层网络的层类型以及层数；

获取所述关联数据和所述缺失数据之间的关联值；

基于所述关联值确定所述初始模型中每一层网络的权重的初始值；

基于所述初始值、所述层类型和所述层数构建所述初始模型。

4.根据权利要求2所述的方法，其特征在于，在所述基于所述数据分布形态获取所述第一预测值的评价值之后，所述方法还包括：

若所述第一预测值的评价值小于或等于所述预设阈值，则基于所述评价值对所述初始KNN模型的网络参数进行调整，得到调整KNN模型；

基于所述评价值从所述关联数据中选取K′个第二预测数据，所述K′为不等于所述K，且大于或等于2的整数；

将所述K′个第二预测数据输入至所述调整KNN模型，得到所述缺失数据的第二预测值；

基于所述数据分布形态获取所述第二预测值的评价值；

若所述第二预测值的评价值大于所述预设阈值，则确定所述第二预测值为所述缺失数据的目标预测值。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述缺失数据的属性获取所述缺失数据的关联数据，包括：

获取所述缺失数据的属性对应的关联词；

若所述关联词的属性与所述数据集中除所述缺失数据之外的第一数据的属性相同，则将所述第一数据作为所述缺失数据的关联数据；或者

若所述关联词的属性与所述第一数据的属性不同，则基于所述关联词的属性和所述数据集的属性查找所述缺失数据的关联数据。

6.根据权利要求5所述的方法，其特征在于，所述获取所述缺失数据的属性对应的关联词，包括：

基于所述缺失数据的属性获取所述缺失数据的名称对应的知识图谱；

从所述知识图谱中查找与所述缺失数据的名称具有连接关系的词汇，得到所述缺失数据的属性对应的关联词。

7.根据权利要求1-4中任一项所述的方法，其特征在于，在所述基于所述缺失数据的属性获取所述缺失数据的关联数据之前，所述方法还包括：

若确定所述缺失数据满足预设条件，则执行所述基于所述缺失数据的属性获取所述缺失数据的关联数据的步骤。