- 1、本文档共57页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
摘要
随着数据时代的到来,海量数据的获取已经不再成为问题,然而如何提
高获得数据的质量已经变得越来越重要。高质量的数据是训练高质量模型的
保障。在数据获取过程中,因为主观或客观原因总会导致获得的数据出现一
定程度的缺失,而这种缺失的数据极大的影响了数据本身的质量。目前常见
的针对缺失数据的处理方法包括直接删除法,基于概率模型的插补方法,传
统机器学习插补方法等。随着人工智能技术的发展,学者开始尝试使用基于
深度神经网络的生成模型来对数据的缺失进行处理。
变分自编码器(VariationalAuto-Encoder,VAE)以及其他生成模型已被
证明可以有效且准确地捕获大量复杂高维数据的潜在结构。然而,现有的
VAE模型仍然不能直接处理含有缺失数据的数据集。本文提出了一个基于多
头自注意力机制的VAE生成模型,可以对具有混合数据类型属性的不完整数
据进行缺失值的估计。本文提出的生成模型将分类型数据类型和连续型数据
类型的数值分别进行高维空间映射。将单个数值映射成一个高维度向量,在
高维空间中采用多头自注意力模块来获取向量间的关系,在模型的解码器中
将利用这种关系还原原始数值,并在此过程中完成数据缺失部分的估计。
为验证模型的有效性,本文选取了四个具有不同数据类型属性的分类数
据集进行模拟缺失,并采用常见的插补方法与本文提出的生成模型插补方法
分别在四个模拟缺失的数据集中对缺失的数据进行估计。结果表明本文提出
的方法插补性能在大多数数据集上优于现有方法。此外,本文提出的生成模
型在二分类的标签预测任务上胜过部分有监督分类模型。
关键词:缺失值插补,变分自编码器,自注意力机制,完全随机缺失
1
基于深度神经网络生成模型的缺失值插补方案设计
Abstract
Withtheadventofthedataera,theacquisitionofmassivedataisnolongera
problem,buthowtoimprovethequalityofobtaineddatahasbecomemoreand
moreimportant.High-qualitydataistheguaranteefortraininghigh-qualitymodels.
Intheprocessofdataacquisition,subjectiveorobjectivereasonswillalwayslead
toacertaindegreeofmissingdata,andthismissingdatagreatlyaffectsthequality
ofthedataitself.Atpresent,commonprocessingmethodsformissingdatainclude
directdeletionmethod,imputationmethodbasedonprobabilitymodel,and
traditionalmachinelearningimputationmethod.Withthedevelopmentofartificial
intelligencetechnology,scholarsbegantotrytousegenerativemodelsbasedon
deepneuralnetworkstodealwiththelackofdata.
Variationalautoencoder(VAE),alongwithothergenerativemodels,have
beenshowntoefficientlyandaccuratelycapturetheunderlyingstructureof
您可能关注的文档
最近下载
- 2024年陕西省中考生物试题(含解析).pdf VIP
- 2023年天津化学会考试卷.pdf VIP
- 广西宝坛地区铜镍硫化物矿石982_省略_Re_Os同位素年龄及其地质意义_毛景文.pdf VIP
- 专业调研报告(工业机器人技术专业).pdf
- 管理学(北师大)中国大学MOOC慕课 章节测验 客观题答案.docx
- 小暑24节气ppt模板.pptx
- 安利股份:2023年度业绩预告.pdf VIP
- 常见疾病康复:挛缩的康复.pptx VIP
- 浅谈数学如何提高学生计算能力的方法研究-来源:文理导航(教育研究与实践)(第2020009期)-内蒙古自治区北方文化研究院.pdf VIP
- 某上市公司珠海旧改项目前期服务协议.docx VIP
文档评论(0)