知识卡片
KNN估计缺失属性
先在待填补样本和完整样本共有的已观测属性上算距离,再取最近的若干样本,用它们在目标属性上的值做平均或加权。若已观测属性无法区分相似对象,估计值可能没有帮助,应以验证数据上的下游效果判断。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 尺度与缺失值
原书出处 · 1 处
- 数据与机器学习 尺度与缺失值 · 查看原书依据
中寻找和x距离最近的k个样本,并利用正常样本和某种加权或平均规则填充x的缺失属性。该方法简单易行,一般有很好的效果。此外,还有很多
参考来源
- 位置:《机器学习基础》第1章,1.4 数据预处理(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文借「并利用正常样本和某种加权或平均规则填充x的缺失属性」处的论述给出本卡所解释的关系或做法。
- 原始内容:中寻找和x距离最近的k个样本,并利用正常样本和某种加权或平均规则填充x的缺失属性。该方法简单易行,一般有很好的效果。此外,还有很多