摘要
移动通信数据清洗通常仅通过设定固定的阈值来识别异常值,可能会出现误判或漏判的情况,导致清洗质量较差,为此研究基于K-means无监督机器学习算法的移动通信数据清洗方法。该方法首先进行移动通信数据信息的预处理,保证数据的准确性和一致性。随后,通过特征提取技术,从预处理后的数据中提取出关键特征,为后续的数据处理提供基础。接着利用K-means无监督机器学习算法对移动通信数据进行聚类分析,识别并处理异常值,消除数据中的错误。最后,处理允余数据,进一步实现数据清洗,提升数据质量。实验结果表明:该方法在移动通信数据清洗的质量效果方面表现出色,不仅在数据完整性、准确性和一致性上有所提升,而且在降低允余度方面也有显著效果,实际应用价值更高。
出处
《消费电子》
2024年第9期57-59,共3页
Consumer Electronics Magazine
