【技术实现步骤摘要】
【专利摘要】本专利技术属于数据流挖掘
，具体涉及，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，本专利技术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。【专利说明】
本专利技术属于数据流挖掘
，具体涉及一种数据流决策树分类中的缺失值处理方法。
技术介绍
随着大数据时代的到来，应用系统高速且连续不断地产生数据流，如何从数据流中挖掘出有用信息，已成为技术人员关心的热点。数据流决策树分类技术是数据流挖掘中的重要研究方向，该技术能够应用到网络入侵检测和信用卡欺诈等很多方面。实际中的数据流会因网络传输故障、传感器失灵或人工操作失误等原因出现缺失值...
【技术保护点】
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Xi存在缺失值时，建立或更新属性Xi对应的缺失处理器，若属性Xi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Xi的标准差σ(Xi)，若σ(Xi)不超过阈值σm，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...
【技术特征摘要】
【专利技术属性】
技术研发人员：吕品，侯旭珊，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。