数据集的完备性是衡量数据集优劣的重要指标之一,然而数据在采集、传输、分析、保存等环节会不可避免地出现丢失现象。据统计,部分地区刑事案件犯罪数据集缺失率高达32%,严重降低刑事犯罪分析的准确性。为改善犯罪数据集中数据缺失问题,本文采用随机森林（RF）及其特征分析、LightGBM等机器学习方法,构建数据补全模型,并使用芝加哥犯罪数据集对模型进行验证。具体创新点和工作如下:首先,本文提出一种基于KNN与随机森林的缺失数据补全算法（RF-KNN）。该算法首先利用KNN模型选取合适K值,确定构建随机森林的参数。然后根据随机森林属性划分的特点,构建属性分类预测模型,对缺失属性值进行有效补全。实验结果表明,RF-KNN不仅能有效缩减数据集的大小,降低模型训练的计算复杂度,而且分类准确率较原始随机森林模型提升了4.8%左右。其次,本文使用RF-KNN模型对原始犯罪数据集进行优化分类,并在其基础上提出一种改进LightGBM与DNN融合的数据补全模型（DNN-LightGBM-LR）。该模型的创新在于,利用PCA降维与GBDT和RF特征重要度分析,对芝加哥犯罪数据集进行关联属性分析;采用DNN网络对类别特征进行嵌入学习（embedding）,得到类别特征的向量化表示,并替代原始特征训练后续的树型模型;在LightGBM模型中使用LR算法替换树型结构最终加权平均的取值方式进行最终分类预测。最后,为进一步验证论文提出的混合模型的有效性和泛化性,将DNN-LightGBMLR模型在芝加哥犯罪数据上与更多模型进行比较,选取了混淆矩阵和ROC曲线以及对数损失函数logloss等评价指标对模型优劣性进行评估。实验结果表明,改进后的数据补全模型对缺失数据的预测更加真实有效。