結合LSH的KNN數據填補算法
大小：0.79 MB 人氣： 2017-12-23 需要積分：1
標簽：KNN(10751)
K近鄰（kNN）算法是缺失數據填補的常用算法，但由于需要逐個計算所有記錄對之間的相似度，因此其填補耗時較高。為提高算法效率，提出結合局部敏感哈希（ LSH）的kNN數據填補算法LSH-kNN。首先，對不存在缺失的完整記錄進行局部敏感哈希，為之后查找近似最近鄰提供索引；其次，針對枚舉型、數值型以及混合型缺失數據分別提出對應的局部敏感哈希方法，對每一條待填補的不完整記錄進行局部敏感哈希，按得到的哈希值找到與其疑似相似的候選記錄；最后在候選記錄中通過逐個計算相似度來找到其中相似程度最高的七條記錄，并按照kNN算法對不完整記錄進行填補。通過在4個真實數據集上的實驗表明，結合局部敏感哈希的kNN填補算法LSH-kNN相對經典的kNN算法能夠顯著提高填補效率，并且保持準確性基本不變。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
結合LSH的KNN數據填補算法下載
相關電子資料下載
- 應用于MEMS執行器的8英寸硅晶圓上的KNN無鉛技術介紹 345
- 基于STM32的解魔方機器人設計方案 578
- 機器學習技術之KNN近鄰算法編程實例 161
- KNN算法、分類回歸樹、隨機森林的優缺點及應用實例 4258
- 基于訓練階段使用知識庫+KNN檢索相關信息輔助學習方法 1377
- 如何使用Arduino KNN庫進行簡單的機器學習？ 3316
- 數據科學經典算法 KNN 已被嫌慢，ANN 比它快 380 倍 7141
- 詳解機器學習分類算法KNN 5844
- 從零開始學習機器學習最簡單的 KNN 算法 2521
- 帶你入門常見的機器學習分類算法——邏輯回歸、樸素貝葉斯、KNN、SVM、決策樹 9873