一种基于机器学习的数据质量控制与预处理的方法

本发明公开了一种基于机器学习的数据质量控制与预处理的方法，该方法具体包括如下步骤：S1，对长时间序列构造三段时间窗口，并对数据进行预处理；S2，利用统计判别算法过滤掉数据集的正样本，获取负样本数据集；S3，对于负样本数据集，构建单分类模型进行判决，完成异常值的处理；S4，获取S1中预处理后的数据集，采用监督‑无监督混合训练方法对数据集进行优化，获取缺测值填补后的数据集；S5，填补执行与多维验证，对S4中获取的缺测值填补后的数据集通过随机森林模型进行结果验证，完成缺测值的填补。本发明通过预处理前的动态时间窗口划分，构建短、中、长三时段滑动窗口，同步提取统计，解决传统方法因窗口固定导致的长期关联捕捉不足问题。