摘要
本发明公开了一种基于算法模型评估数据质量的方法,主要解决现有数据评估方法评估过程的通用性、客观性和准确性受限的问题。该方法包括以下步骤:S1,获取待评估的数据,并将所述数据输入到建立数据评估指标规则的算法模型中;S2,通过Z‑score目标离群点方法识别、标记离群值,记录空值;S3,通过leave‑one‑out方法,计算符合设定精度标准的数据比例,对数据进行逐条评估检测;S4,基于数据完整性调整数据质量得分。通过上述设计,本发明采用leave‑one‑out方法能够对数据进行逐条评估检测,全面识别并剔除离群点,极大地提升评估过程的通用型、客观性和准确性。
技术关键词
算法模型
数据计算方法
离群点
数据评估方法
深度神经网络
误差
随机森林
识别方法
通用型
总量
指标
标记
精度
受限
线性
场景
系统为您推荐了相关专利信息
智能箱式变电站
监控方法
数字孪生
避雷器监测数据
远程监控中心
人工智能分类
数据
算法模型训练
预训练模型
样本
智能调度算法
管理方法
周期
算法模型
生成识别码
密度峰值聚类算法
分布式光伏
聚合体
功率
分布式储能
无线电通信设备
天线驻波比
因子权重
设备校准
强化学习框架