最後的觀察結果進一步推進了熱點插補

Question

我正在研究數據挖掘和知識發現的大學任務。

的問題是如下：在孔

填充使用「最後一次觀察結轉熱卡插補」

TEMP       SPOTS     AGE     診斷
103.0      是     麻疹
94.7        是     不麻疹
100.1      是      -2    麻疹
102.0      沒有   沒有麻疹
96.5        沒有     ？    沒有麻疹
97.2        是     沒有麻疹
104.5      沒有     沒有麻疹
101.9      ？      麻疹
？        是     麻疹
99.8        是     麻疹

我在互聯網上搜索，發現LOCF和熱卡插補是兩個不同的我以處理缺失的數據。但問題是要求將兩者結合起來。

有什麼特殊的情況下，以填補使用這兩種方法的數據。

這是我在維基百科上找到：

一個熱卡插補的形式被稱爲「最後一次觀察結轉」，其中涉及根據任意數量的變量排序的數據集，從而創造一個有序的數據集。然後，該技術找到第一個缺失值，並使用缺失數據之前的單元值來計算缺失值。對於缺失值的下一個單元重複該過程，直到估算出所有缺失值。在常見情況下，案例是對一個人或其他實體重複測量一個變量，這代表了一種觀點，即如果缺少一個測量值，最好的猜測是它沒有從最後一次測量值改變。

我沒有得到它了。同時這將如何與現貨屬性工作，因爲它具有價值Yes或No.

Answer 1

基本上，這個方法去當一個屬性丟失，那種所有其他行，弘揚具有此屬性的最後一個。所以說，如果我們缺少

96.5否？沒有麻疹

那麼我們的排序（可能使用一些武斷的決定，例如，其溫度比斑點更項重要的，和「no」 <「是的），並獲得了一個前就是

94.7是1不麻疹

（注意，排序不同的決定會產生不同的結果）。因此，我們填補了年齡爲1

等等