Xử lý giá trị thiếu trong khai phá dữ liệu |Tài liệu miễn phí

Home 1-luan-an-thac-si cong-nghe-thong-tin-thac-si Xử lý giá trị thiếu trong khai phá dữ liệu

[giaban]0.000 VNĐ[/giaban] [kythuat]

[/kythuat]
[tomtat]

Xử lý giá trị thiếu trong khai phá dữ liệu

Down tại đây or Down tại đây or Down tại đây

MỤC LỤC

DANH SÁCH CÁC HÌNH VẼ

DANH SÁCH CÁC BẢNG

MỞ ĐẦU

CHƯƠNG 1: KHÁI QUÁT VỀ KHAI PHÁ DỮ LIỆU VÀ VẤN ĐỀ DỮ LIỆU THIẾU

1.1 Khai phá dữ liệu

1.2 Vấn đề dữ liệu thiếu trong cơ sở dữ liệu cần khai phá

1.3 Kết luận chương 1

CHƯƠNG 2: CÁC PHƯƠNG PHÁP CƠ BẢN XỬ LÝ GIÁ TRỊ THIẾU

2.1 Các phương pháp thống kê

2.1.1 Phương pháp Trung bình-Mốt (Mean-Mode - MM)

2.1.2 Phương pháp Trung bình-Mốt dựa vào cụm tự nhiên (Natural Cluster Based Mean-Mode - NCBMM)

2.1.3 Thay giá trị thiếu bằng giá trị cho cùng độ lệch chuẩn (Replacement Under Same Standard Deviation - RUSSD)

2.1.4 Hồi quy tuyến tính (Linear regression – LR)

2.2 Các phương pháp học máy

2.2.1 Phương pháp Trung bình-Mốt dựa vào cụm sinh bởi thuộc tính gần nhất (Attribute Rank Cluster Based Mean-Mode algorithm - RCBMM)

2.2.2 Phương pháp Trung bình – Mốt dựa vào phân cụm k-Means (K-means clustering based Mean - Mode - KMCMM)

2.3 Các phương pháp nhúng

2.3.1 Loại bỏ các bộ dữ liệu có chứa giá trị thiếu (discarding data tuples with missing values)

2.3.2 Phương pháp C4.5

2.3.3 Phương pháp CART

2.4 Đánh giá

2.4.1 Đánh giá lý thuyết

2.4.2 Đánh giá thực nghiệm

2.5. Kết luận chương 2

CHƯƠNG 3: PHƯƠNG PHÁP XỬ LÝ GIÁ TRỊ THIẾU PHỐI HỢP KHAI PHÁ LUẬT KẾT HỢP VỚI PHƯƠNG PHÁP K-LÁNG GIỀNG GẦN NHẤT

3.1 Mở đầu

3.2 Khai phá luật kết hợp

3.3 Thuật toán RAR khai phá luật kết hợp trong cơ sở dữ liệu không đầy đủ

3.4 Phương pháp xử lý giá trị thiếu HMiT

3.5 Tính toán thực nghiệm

3.6 Kết luận chương 3

TÀI LIỆU THAM KHẢO

[/tomtat]