《表2 常用的缺失数据插补方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于逻辑回归模型的瓦斯浓度异常值检测与预警》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

缺失数据插补:煤矿的原始数据一般包含异常数据（噪声），因此在用机器学习的办法进行数据分析和建模前，就要对异常数据进行预处理来适应模型。异常数据包括:缺失值、异常值、不一致的值、重复数据及含有特殊符号（如#、￥、*等）的数据。本次研究瓦斯浓度的异常数据，只需将瓦斯监测设备的故障、通信信号被干扰等原因采集到的缺失值（如null），浓度数据为100%或者0%及含有特殊符号（如#、￥、*等）的数据进行处理，对这些数据采用插补的办法进行处理，常用的方法见表2。