一种数据流决策树分类中的缺失值处理方法

摘要

本发明属于数据流挖掘技术领域，具体涉及一种数据流决策树分类中的缺失值处理方法，首先读取数据流中的数据样本，并更新滑动窗口。当检测到当前数据样本中的属性存在缺失值时，若该属性对应的缺失处理器已存在，则对缺失处理器进行更新，否则根据数据特点自适应选择并建立缺失处理器。然后，使用缺失处理器补充数据样本中的缺失值，得到完整的数据样本，并依据Hoeffding决策树分类方法训练完整的数据样本，最后返回数据流决策树分类结果。与现有方法相比，本发明方法具有更优的时间性能，并充分保证决策树模型的分类准确率，从而降低时间开销，提升时间性能，提高数据流的分类处理速度，从而满足实际数据流处理的应用。

主权项

一种数据流决策树分类中的缺失值处理方法，其特征在实现步骤如下：步骤1：读取数据流中的数据样本，并使用固定容量的滑动窗口W保存最新到达的数据样本；步骤2：当前数据样本中的属性X_i存在缺失值时，建立或更新属性X_i对应的缺失处理器，若属性X_i的缺失处理器已存在，则跳至步骤4更新缺失处理器，否则进入步骤3建立缺失处理器；步骤3：计算滑动窗口W中同类样本关于属性X_i的标准差σ(X_i)，若σ(X_i)不超过阈值σ_m，则选择使用众数或平均值代替缺失值，否则建立子分类器来预测缺失值，根据此方法建立缺失处理器并跳至步骤5；步骤4：计算缺失处理器的加权总错误率E，若E超过阈值β，则选择权重最大且错误率e_i＞β^*的缺失处理器进行更新，直到E低于阈值β；步骤5：利用缺失处理器补充属性X_i的缺失值，得到完整的数据样本；步骤6：依据Hoeffding决策树分类方法训练完整的数据样本，动态地构造决策树模型，并根据决策树分裂叶子节点时的属性度量值为每个属性X_i更新权重；步骤7：返回数据流决策树分类结果。