本发明公开了一种基于生成对抗网络的属性缺失数据集补全与预测方法，包括步骤:1)对数据minmax归一化，同时对离散类型的属性使用onehot编码，缺失值标记为0；2)使用数据集建立关于样本的缺失位置编码向量；3)构建生成式对抗网络与辅助预测网络进行数据填充与标签的预测；4)根据属性中最大最小值还原为minmax归一化前的结果；5)通过测试选取合适的超参数；本发明充分利用数据集中数据分布信息与标签信息，能够对高维度缺失数据集进行有效的数据填充，同时在训练完成之后，该方法中包含的另一辅助预测网络能够直接队输入的属性缺失数据给出标签的预测结果，流程简捷、具有更高的预测准确率。