数据预处理是机器学习建立模型之前的重要环节,而对不完整数据进行填补和选择重要特征是数据预处理的重要流程。针对现有特征选择数据源存在缺失值、特征选择算法无法确定最优特征子集或运行时间较慢等问题,本文设计并实现了由不完备决策信息系统到完备信息子系统的数据处理流程,主要工作包括:首先使用均值对不完备数据进行预充填,标记缺失位置;之后针对得到的完整数据进行聚类,使用同类数据的均值充填缺失位置;最后多次递归充填,直到前后两次完备数据聚类结果较为稳定或迭代次数超过阈值时停止迭代。在实验阶段通过随机消除数据产生缺失数据集的方式,比较了不同缺失值充填方式下原数据和充填数据的平方误差。实验结果表明,采用聚类加递归充填方法填补缺失数据后,产生的完备数据集充填效果更好,与原数据差异更小。针对此时的完备数据集采用随机森林模型选择和相似性度量结合的方式进行特征初选,并通过前向搜索策略以距离为评价方式对初选集合进行二次筛选,最终获得特征子集。算法采用局部遍历以提高执行效率,同时通过前向选择算法解决传统方法无法确定最优特征数目的问题。实验结果表明,本文提出的方法能更有效地选择特征子集,提高模型的分类准确率。本文实现了对不完备数据的补全并选择重要特征的流程,将该过程应用于岩性识别数据,取得了很好的应用效果。