基于深度学习算法和浅层学习算法进行缺失值预测附matlab代码.zip资源-CSDN文库

共12个文件

m：5个

jpg：3个

xlsx：1个

版权申诉

matlab

11 浏览量 2023-02-03 23:04:53 上传评论收藏 260KB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

基于深度学习算法和浅层学习算法进行缺失值预测附matlab代码.zip （12个子文件）

LearningAlgorithm.mlapp 100KB

loadData_empty.png 9KB

LearningAlgorithm_dataPrepration.m 407B

说明.txt 2KB

saveResult.m 734B

NeuralNetworkMissValuePrediction.m 18KB

LearningAlgorithm_dataPartitioning.m 503B

checkMarkFalse.jpg 28KB

startIcon.jpg 48KB

checkMark.jpg 22KB

randNaNExample.xlsx 78KB

loaddata.m 562B

用于缺失数据预测和插补的深度学习版本。作为工作的预处理部分，它可能对每个使用数据库和数据集的科学家、统计学家和工程师都有用。如果您需要更多信息，请随时给我发电子邮件。此致阿博尔法兹·内贾提安邮箱：Abolfazl.nejatian@gmail.com || --------------------------工作结构-------------------- ----------|| 此应用程序的目的是通过使用完整数据（没有任何缺失单元格的行）训练网络来查找缺失值。因此，在第一阶段，数据分为两部分：完整数据和缺失数据。然后根据行中缺失值的最小到最大数量对缺失数据进行排序。之后，根据检查行中的缺失值模式，在完整数据上训练网络。例如，假设该行中缺失值的模式如下所示， a, b, r, t, NaN, w, f, NaN, p, NaN 算法尝试用完整的数据训练网络，以便网络接受数据第一、第二、第三、第四、第六、第七和第九个观察者作为输入，第五、第八和第十个作为目标。训练过程完成后，在提到的行(a, b, r, t, NaN, w, f, NaN, p, NaN)上使用训练好的网络和 (a, b, r, t, w, f, p) 作为输入提供给经过训练的网络，然后期望网络预测该行的 NaN 值。在预测 NaN 值之后，该行变得干净并添加到完整数据中。然后该算法进入下一行并继续下去，直到所有行都被清除。 || -------------------------- 如何运行 ------------------ ----------|| 加载数据数据应为 Microsoft Excel 文件。选择插补方法。(MLP 或 LSTM) 然后点击开始。最后，该应用程序提供了一个干净的数据集。

评论收藏

内容反馈

版权申诉