针对数字信息产生的海量、多角度的非结构化大数据，由于外界干扰、数据结构损坏等因素造成其信息丢失问题，提出了基于迁移学习的非结构化大数据缺失值插补算法。通过迁移学习算法，预测非结构化大数据缺失部位，利用朴素贝叶斯算法分类数据特征，度量属性间权重值，明确数据类别特征差异向量，辨别特征差异程度。采用核回归模型对数据缺失部分实施非线性映射，经过多项式变化编码，描述数据的跨空间互补条件，完成非结构化大数据缺失值插补。实验结果表明，所提算法可以有效完成非结构化大数据缺失值插补，具有较好的插补效果，能提高插补精度。