SVDI（Singular Value Decomposition Imputation奇异值分解填补） - 缺失数据集填补

SVDI 填补思想：

1. 用相应的列方法替换所有缺失的值。

2. 计算插补矩阵的秩k近似。

3. 使用步骤2中计算的rank-k近似值中的相应值替换插补位置中的值。

4. 重复步骤2和3直到收敛。

 

R语言中在“bcv” 包中，可以直接对缺失的数据进行填充。

以UCI中的数据集pima-indians-diabetes dataset 为例。下载链接：https://www.kaggle.com/uciml/pima-indians-diabetes-database

加载包： 

install.packages("bcv")
library("bcv")

 加载数据：

dataImpute = read.csv("D://pima-indians-diabetes.csv",sep=",")

调用包: 参数：数据集， 奇异值个数，最大迭代次数. 顺便保留两位小数。

SVDimputation = round(impute.svd(dataImpute, k = 7,  maxiter=15000)$x,2)