基于Lasso回归及模型修正的双重回归缺失值插补方法研究
wf(2022)
Abstract
针对各传感网络中传感数据因工作环境变化、传感设备异常等因素而引起的测量值缺失的问题,提出了一种基于Lasso回归及模型修正的双重回归缺失值插补方法.该方法采用原始数据滑动窗口法生成数据集并随机删除部分数据,以Lasso回归模型为基准,使用岭回归与皮尔逊相关性分析联合分析且生成集成岭回归与相关性的数据集,并将其作为Lasso回归模型的特征(双列),以双重回归方式进行模型修正,最终实现对缺失值的插补.以西储大学轴承数据为例,对所提方法及另外2种缺失值插补方法(KNN的数据插补和Lasso回归的缺失值插补)在缺失率为4%、10%和20%下进行比较,并采用均方根误差、模型训练时间及决定系数作为评估指标.结果表明,基于Lasso回归及模型修正的双重回归缺失值插补方法具有较好的表现,为后续的故障诊断提供可靠的基础数据.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined