基于半监督学习的缺失数据补全方法

本发明公开了一种基于半监督学习的缺失数据补全模型，包括：生成器G，生成一个经过补全的数据矩阵；判别器D，将数据矩阵的编码存储在掩码矩阵M中，之后判别器D输出一个判别概率矩阵；分类器C，该分类器C使用有标签的多元数据进行训练；其中，生成器G、判别器D和分类器C均引入有多层感知机，通过多层感知机对给定多元数据样本X进行重构，重构成多元的数据矩阵。本发明的基于半监督学习的缺失数据补全模型，可以提升数据完整性，避免因数据缺失问题而影响后续的决策分析。