基于PCA的近邻均值填补优化算法

均值填补是常用的数据填补方式，但往往忽略了相邻变量之间的相互关系，又对噪声数据极为敏感。将主成份分析算法应用到均值填补算法中，提取相邻各属性的特征重要度，并采用属性重要度作为权重，以均值填补的计算方式算出缺失数据相邻矩阵的加权平均值，将其作为相邻属性对于均值填补的影响偏移值，加入到均值填补的均值计算中。通过对UCI数据集的仿真实验可知，基于PCA改进的算法填补的准确性明显优于均值填补算法。