陈通宝,温亮明,黎建辉

1.中国科学院计算机网络信息中心,北京 100190

2.中国科学院大学,北京 100049

引言

联合国可持续发展目标（SDGs）已经成为国际社会上最重要的科学议题之一，其主要目的是号召世界各国通过采取措施消除贫穷、保护地球进而确保到2030年时全人类能够实现和平以及繁荣[1]。如何通过相应措施实现科学地监测和评估SDGs 进而据此作出相应战略，是世界各国摸索的重大议题。由国务委员王毅对外发布的《地球大数据支撑可持续发展目标报告》在揭示了地球大数据相关技术对监测评价SDGs的应用价值和前景的同时也为国际社会填补了数据和方法论的空白，进而推动落实2030年议程[2]。由此可见数据在监测评估SDGs中的重要支撑作用，但是数据缺失问题严重影响了联合国对各国目标实行过程的有效监测。

针对缺失数据的处理措施主要可以划分为删除法、加权法以及插补法三种，而插补法通常又可分为统计学插补法以及机器学习插补法两种[3]。删除法主要适用于数据缺失比例较低的大数据集，当数据集的缺失值较多，或者数据集中包含的样本量很少时，采用删除法可能会丢失过多的样本，导致较大误差[4]。均值插补法、回归插补法以及最近邻插补法是统计学插补法中具有代表性的三种。其中，均值插补法的主要思想是运用所研讨属性（或变量）的已观测数据的均值作为缺失值的代替值，适用于分布集中、缺失率较低的数据集；……