Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "missing values" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Imputation of Missing Data Using R Package
    Imputacja brakujących danych z wykorzystaniem środowiska R
    Autorzy:
    Misztal, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/907623.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    missing values
    single imputation
    R – project
    Opis:
    Missing data are quite common in practical applications of statistical methods. Imputation is general statistical method for the analysis of incomplete data sets. The goal of the paper is to review selected imputation techniques. Special attention is paid to methods implemented in some packages working in the R environment. An example is presented to show how to handle missing values using a few procedures of single and multiple imputation implemented in R.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2012, 269
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some Remarks on the Data Imputation Using “missForest” Method
    Kilka uwag o imputacji danych z wykorzystaniem metody "missforest"
    Autorzy:
    Misztal, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/905779.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    missing values
    single and multiple imputation
    random forests
    missForest
    Opis:
    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.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Methods for imputation of missing values and their influence on the results of segmentation research
    Metody uzupełniania braków danych i ich wpływ na wyniki badań segmentacyjnych.
    Autorzy:
    Gąsior, Marcin
    Skowron, Łukasz
    Powiązania:
    https://bibliotekanauki.pl/articles/425241.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    missing values
    cluster analysis
    k-means algorithm
    k-medoids algorithm
    Opis:
    The lack of answers is a common problem in all types of research, especially in the field of social sciences. Hence a number of solutions were developed, including the analysis of complete cases or imputations that supplement the missing value with a value calculated according to different algorithms. This paper evaluates the influence of the adopted method for the supplementation of missing answers regarding the result of segmentation conducted with the use of cluster analysis. In order to achieve this we used a set of data from an actual consumer research in which the cases with missing values were deleted or supplemented with the use of various methods. Cluster analyses were then performed on those sets of data, both with the assumption of ordinal and ratio level of measurement, and then the grouping quality, as expressed by different indicators, was evaluated. This research proved the advantage of imputation over the analysis of complete cases, it also proved the validity of using more complex approaches than the simple supplementation with an average or median value.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 4 (54); 61-71
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Jackknife winsorized variance estimator under imputed data
    Autorzy:
    Sohil, Fariha
    Sohail, Muhammad Umair
    Shabbir, Javid
    Gupta, Sat
    Powiązania:
    https://bibliotekanauki.pl/articles/2106879.pdf
    Data publikacji:
    2022-06-14
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    adjusted imputation
    jackknife variance estimators
    linearized jackknife
    missing values
    winsorized variance
    Opis:
    In the present study, we consider the problem of missing and extreme values for the estimation of population variance. The presence of extreme values either in the study variable, or the auxiliary variable, or in both of them, can adversely affect the performance of the estimation procedure. We consider three different situations for the presence of extreme values and also consider jackknife variance estimators for the population variance by handling these extreme values under stratified random sampling. Bootstrap technique ABB is carried out to understand the relative relationship more precisely.
    Źródło:
    Statistics in Transition new series; 2022, 23, 2; 17-32
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Lookahead selective sampling for incomplete data
    Autorzy:
    Abdallah, L.
    Shimshoni, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/330278.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    selective sampling
    missing values
    ensemble clustering
    próbkowanie selektywne
    brakujące wartości
    grupowanie zespołowe
    Opis:
    Missing values in data are common in real world applications. There are several methods that deal with this problem. In this paper we present lookahead selective sampling (LSS) algorithms for datasets with missing values. We developed two versions of selective sampling. The first one integrates a distance function that can measure the similarity between pairs of incomplete points within the framework of the LSS algorithm. The second algorithm uses ensemble clustering in order to represent the data in a cluster matrix without missing values and then run the LSS algorithm based on the ensemble clustering instance space (LSS-EC). To construct the cluster matrix, we use the k-means and mean shift clustering algorithms especially modified to deal with incomplete datasets. We tested our algorithms on six standard numerical datasets from different fields. On these datasets we simulated missing values and compared the performance of the LSS and LSS-EC algorithms for incomplete data to two other basic methods. Our experiments show that the suggested selective sampling algorithms outperform the other methods.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2016, 26, 4; 871-884
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Computer-Intensive Methods in Traffic Safety Research
    Autorzy:
    Harold, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/90673.pdf
    Data publikacji:
    2002
    Wydawca:
    Centralny Instytut Ochrony Pracy
    Tematy:
    data analysis
    errors
    screening
    missing values
    unknown values
    imputation
    data mining
    analiza komputerowa
    komputer
    archiwa
    bezpieczeństwo ruchu drogowego
    analiza danych
    Opis:
    The analysis of traffic safety data archives has improved markedly with the development of procedures that are heavily dependent upon computers. Three such procedures are described here. The first procedure involves using computers to assist in the identification and correction of invalid data. The second procedure makes greater computational demands, and involves using computerized algorithms to fill in the ‘‘gaps’’ that typically occur in archival data when information regarding key variables is not available. The third and most computer-intensive procedure involves using data mining techniques to search archives for interesting and important relationships between variables. These procedures are illustrated using examples from data archives that describe the characteristics of traffic accidents in the USA and Australia.
    Źródło:
    International Journal of Occupational Safety and Ergonomics; 2002, 8, 3; 353-363
    1080-3548
    Pojawia się w:
    International Journal of Occupational Safety and Ergonomics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuro-rough-fuzzy approach for regression modelling from missing data
    Autorzy:
    Simiński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/331298.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    system neuronowo-rozmyty
    ANNBFIS
    brakujące wartości
    zbiór przybliżony
    zbiór rozmyty
    neuro-fuzzy
    missing values
    marginalisation
    imputation
    rough fuzzy set
    clustering
    Opis:
    Real life data sets often suffer from missing data. The neuro-rough-fuzzy systems proposed hitherto often cannot handle such situations. The paper presents a neuro-fuzzy system for data sets with missing values. The proposed solution is a complete neuro-fuzzy system. The system creates a rough fuzzy model from presented data (both full and with missing values) and is able to elaborate the answer for full and missing data examples. The paper also describes the dedicated clustering algorithm. The paper is accompanied by results of numerical experiments.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 2; 461-476
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stability of Optimal Parameters for Classifier Based on Simple Granules of Knowledge
    Badanie stabilności optymalnych parametrów klasyfikatora bazującego na prostych granulach wiedzy
    Autorzy:
    Artiemjew, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/298234.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Warmińsko-Mazurski w Olsztynie
    Tematy:
    zbiory przybliżone
    inkluzje przybliżone
    granule wiedzy
    klasyfikacja danych
    uszkodzenia systemu decyzyjnego
    stabilność optymalnych parametrów
    rough sets
    rough inclusions
    granules of knowledge
    classification of data
    missing values
    stability of optimal parameters
    Opis:
    Searching for optimal parameters of a classifier based on simple granules of knowledge investigated recently by the author (ARTIEMJEW 2010) raises a question about stability of optimal parameters. In this article, we will check dependence of stability of the optimal radius of granulation on random damage of decision system. The results of experiments show the dependence of stability on size of damage and strategies of treating missing values. This kind of research aims at finding methods of protecting decision systems which are vulnerable to damage against decreasing their classification effectiveness, which means preserving classifying possibilities similar to undamaged decision systems.
    Przeprowadzone w ostatnim czasie badania (ARTIEMJEW 2010) zmierzające do wyszukiwania optymalnych parametrów klasyfikacji modułów decyzyjnych opartych na prostych granulach wiedzy zrodziły pytanie o stabilność optymalnych parametrów klasyfikacji. W pracy sprawdzono zależność stabilności optymalnych promieni granulacji od losowego uszkadzania systemu decyzyjnego. Wyniki badań wskazały jednoznacznie, że istnieje zależność między stabilnością a wielkością uszkodzenia i strategiami traktowania wartości uszkodzonych. Tego typu badania mają na celu szukanie metod zabezpieczania systemów decyzyjnych, które są podatne na uszkodzenia, przed zmniejszaniem ich efektywności klasyfikacyjnej. Celem było zachowanie możliwości klasyfikacyjnych zbliżonych do efektywności nieuszkodzonych systemów decyzyjnych.
    Źródło:
    Technical Sciences / University of Warmia and Mazury in Olsztyn; 2011, 14(1); 57-69
    1505-4675
    2083-4527
    Pojawia się w:
    Technical Sciences / University of Warmia and Mazury in Olsztyn
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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