Missing data are quite common in practical applications of statistical methods and
imputation is a general statistical method for the analysis of incomplete data sets.
Stekhoven and Bühlmann (2012) proposed an iterative imputation method (called
“missForest”) based on Random Forests (Breiman 2001) to cope with missing values.
In the paper a short description of “missForest” is presented and some selected missing data
techniques are compared with “missForest” by artificially simulating different proportions and
mechanisms of missing data using complete data sets from the UCI repository of machine learning
databases.
W pracy Stekhovena i Bühlmanna (2012) zaproponowano nową iteracyjną metodę imputacji
(nazwaną „missForest”) opartą na metodzie Random Forests Breimana (2001).
W niniejszym artykule omówiono metodę „missForest” i porównano kilka wybranych
technik postępowania w sytuacji występowania braków danych z metodą „missForest”. W tym
celu wykorzystano podejście symulacyjne generując różne proporcje i mechanizmy powstawania
braków danych w zbiorach danych pochodzących głównie z repozytorium baz danych na
Uniwersytecie Kalifornijskim w Irvine.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00