AXBOROT TIZIMLARINING MA’LUMOTLARINI INTELLEKTUAL TAHLIL QILISHDA YETISHMAYOTGAN (NAN) QIYMATLARNI QAYTA ISHLASH ALGORITMLARINING NAZARIY TAHLILI

Аннотация

This article provides an in-depth analysis of theoretical approaches to identifying and filling missing (NaN) values in information systems. The quality of the data set directly affects the reliability and efficiency of intellectual analysis processes. Therefore, algorithms for eliminating NaN values are emerging as a pressing issue in modern information technologies. The article theoretically studies 7 main methods - mean, median, mode, regression, K-nearest neighbors (KNN), interpolation, and filling using artificial neural networks. Each method is evaluated according to the criteria of computational complexity, impact on variance, 426 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 4 model sensitivity, prediction accuracy, and adaptability to data types. The study analyzes the strengths and weaknesses of the methods and justifies the need to choose the optimal approach for different contexts. The prospects for developing complex approaches using combined (hybrid) algorithms were also put forward. This article serves as an important theoretical basis for improving the quality of intelligent analysis in information systems, ensuring the accuracy of artificial intelligence models, and effectively organizing digital transformation processes. Keywords: NaN values, information system, intelligent analysis, imputation algorithms, artificial intelligence, data quality, statistical filling, deep learning, KNN, neural network, regression, interpolation, data cleaning. ТЕОРЕТИЧЕСКИЙ АНАЛИЗ АЛГОРИТМОВ ОБРАБОТКИ ПРОПУЩЕННЫХ (NAN) ЗНАЧЕНИЙ ПРИ ИНТЕЛЛЕКТУАЛЬНОМ АНАЛИЗЕ ДАННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ Аннотация. В статье представлен углубленный анализ теоретических подходов к обнаружению и заполнению пропущенных (NaN) значений в информационных системах. Качество набора данных напрямую влияет на надежность и эффективность процессов анализа разведывательной информации. Поэтому алгоритмы устранения значений NaN становятся актуальной проблемой современных информационных технологий. В статье теоретически изучены 7 основных методов — среднее значение, медиана, мода, регрессия, метод K-ближайших соседей (KNN), интерполяция и дополнение с использованием искусственных нейронных сетей. Каждый метод оценивался по критериям вычислительной сложности, влияния на дисперсию, уровня чувствительности к модели, точности прогнозирования и адаптивности к типам данных. В исследовании проанализированы сильные и слабые стороны методов и обоснована необходимость выбора оптимального подхода для различных контекстов. Также были высказаны перспективы разработки комплексных подходов с использованием комбинированных (гибридных) алгоритмов. Статья служит важной теоретической основой для повышения качества интеллектуального анализа в информационных системах, обеспечения точности моделей искусственного интеллекта и эффективной организации процессов цифровой трансформации. Ключевые слова: значения NaN, информационная система, анализ интеллекта, алгоритмы импутации, искусственный интеллект, качество данных, статистический вывод, глубокое обучение, CNN, нейронная сеть, регрессия, интерполяция, очистка данных. 427 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 4