缺失值的全局最接近计算
Global closest fit calculation of missing value
我正在尝试了解全局最接近拟合方法的计算以计算缺失的属性值。我试图理解第 10 页上显示的示例 here，章节：2.8 GLOBAL CLOSEST FIT
我想了解他们是如何计算出 table 1.10
中案例 1 和案例 3 之间的距离的
我将非常感谢任何类似人类的解释:)。
两个案例之间的距离是它们属性之间距离的总和。个案具有三个属性：体温、头痛和恶心。我们一一比较：
温度
| Case 1 | Case 3 |
| high | ? |
距离 = 1.
原因：其中一个case有?，所以属于distance(xi, yi)公式的条件2("xi = ? or yi = ?").
头痛
| Case 1 | Case 3 |
|--------|--------|
| ? | no |
距离 = 1.
原因：其中一个案例有一个？再次.
恶心
| Case 1 | Case 3 |
|--------|--------|
| no | no |
距离 = 0
原因：两者相同，属于条件1("xi = yi")
结论
| Attribute | Case 1 | Case 3 | Distance |
|-------------|--------|--------|----------|
| Temperature | high | ? | 1 |
| Headache | ? | no | 1 |
| Nausea | no | no | 0 |
|-------------|--------|--------|----------|
| Total | | | 2 |
距离 = 2
原因：我们根据第10页顶部的公式总结了属性之间的距离。
我正在尝试了解全局最接近拟合方法的计算以计算缺失的属性值。我试图理解第 10 页上显示的示例 here，章节：2.8 GLOBAL CLOSEST FIT
我想了解他们是如何计算出 table 1.10
中案例 1 和案例 3 之间的距离的我将非常感谢任何类似人类的解释:)。
两个案例之间的距离是它们属性之间距离的总和。个案具有三个属性：体温、头痛和恶心。我们一一比较：
温度
| Case 1 | Case 3 |
| high | ? |
距离 = 1.
原因：其中一个case有?，所以属于distance(xi, yi)公式的条件2("xi = ? or yi = ?").
头痛
| Case 1 | Case 3 |
|--------|--------|
| ? | no |
距离 = 1.
原因：其中一个案例有一个？再次.
恶心
| Case 1 | Case 3 |
|--------|--------|
| no | no |
距离 = 0
原因：两者相同，属于条件1("xi = yi")
结论
| Attribute | Case 1 | Case 3 | Distance |
|-------------|--------|--------|----------|
| Temperature | high | ? | 1 |
| Headache | ? | no | 1 |
| Nausea | no | no | 0 |
|-------------|--------|--------|----------|
| Total | | | 2 |
距离 = 2
原因：我们根据第10页顶部的公式总结了属性之间的距离。