基于缺失森林模型的稀疏函数型数据修复方法

doi:10.16246/j.issn.1673-5072.2024.05.004

	基于缺失森林模型的稀疏函数型数据修复方法
其他题名	Restoration Method of Sparse Functional Data Based on Missforest Model
	高海燕1,2 ; 李唯欣1 ; 马文娟1
	2023-11-28
发表期刊	西华师范大学学报(自然科学版)
卷号	45 期号:05 页码:1-9
摘要	为解决函数型数据缺失插补问题，在函数型数据分析框架下，以缺失森林模型MF为基础，采用基于条件期望主成分分析的函数型插补方法PACE进行初始插补，并通过K-means聚类借助样本之间的相关性插补，给出了一种融合类信息的函数型多重插补方法。模拟数据插补实验结果表明，在不同缺失比例(5%～55%)下，本文方法相较于Hot.deck、MF、均值插补、PACE、MFP、SFI、HFI等7种插补方法，能够保证插补的准确性和有效性。同时，针对股票数据的实例应用验证了本文方法插补得到的数据符合实际情况和规律。
其他摘要	In the framework of functional data analysis and with the aid of Missforest model(MF),this paper propo-ses a functional multiple interpolation method combining class information by employing the functional interpolation method PACE based on conditional expectation principal component analysis for initial interpolation,and utilizing the correlation interpolation between samples through K-means clustering in order to solve the missing interpolation problem of functional data.The experiment results of simulation data interpolation show that the proposed method under different missing rates(5％～55％)can ensure the accuracy and effectiveness of interolation in a better way,compared with other seven imputation methods such as Hot.deck,MF,Mean imputation,PACE,MFP,SFI and HFI.At the same time,an application example of stock data has verified that the data imputed by the proposed method conforms to the actual situation and rules.
关键词	函数型数据缺失森林多重插补缺失插补方法
DOI	10.16246/j.issn.1673-5072.2024.05.004
URL	查看原文
ISSN	1673-5072
语种	中文
原始文献类型	学术期刊
中图分类号	F832.51;O212.1
CN号	51-1699/N
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/35422
专题	统计与数据科学学院
通讯作者	高海燕
作者单位	1.兰州财经大学统计与数据科学学院; 2.甘肃省数字经济与社会计算科学重点实验室
第一作者单位	统计与数据科学学院
通讯作者单位	统计与数据科学学院
推荐引用方式 GB/T 7714	高海燕,李唯欣,马文娟. 基于缺失森林模型的稀疏函数型数据修复方法[J]. 西华师范大学学报(自然科学版),2023,45(05):1-9.
APA	高海燕,李唯欣,&马文娟.(2023).基于缺失森林模型的稀疏函数型数据修复方法.西华师范大学学报(自然科学版),45(05),1-9.
MLA	高海燕,et al."基于缺失森林模型的稀疏函数型数据修复方法".西华师范大学学报(自然科学版) 45.05(2023):1-9.