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: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-14 z 14
    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:
    Performance analysis of rough set–based hybrid classification systems in the case of missing values
    Autorzy:
    Nowicki, Robert K.
    Seliga, Robert
    Żelasko, Dariusz
    Hayashi, Yoichi
    Powiązania:
    https://bibliotekanauki.pl/articles/2031102.pdf
    Data publikacji:
    2021
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    rough sets
    support vector machine
    fuzzy system
    neural networks
    Opis:
    The paper presents a performance analysis of a selected few rough set–based classification systems. They are hybrid solutions designed to process information with missing values. Rough set-–based classification systems combine various classification methods, such as support vector machines, k–nearest neighbour, fuzzy systems, and neural networks with the rough set theory. When all input values take the form of real numbers, and they are available, the structure of the classifier returns to a non–rough set version. The performance of the four systems has been analysed based on the classification results obtained for benchmark databases downloaded from the machine learning repository of the University of California at Irvine.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 4; 307-318
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of Missing Values in Adult Data Set of UCI Machine Learning : A Case of Study
    Autorzy:
    Luna, Alejandra
    Bello, Mario
    Hernandez, Ana
    Bonilla, Edmundo
    Powiązania:
    https://bibliotekanauki.pl/articles/1397481.pdf
    Data publikacji:
    2020
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    Shannon theory
    entropy
    missing attributes
    adult dataset
    UCI Machine Learning
    Opis:
    These days, not having complete data of any kind can be a big problem for different organizations when making decisions. In this article, we propose to use Shannon entropy and information gain to predict and impute missing categorical data in any data set. It is detailed with an example of how entropy is applied and knows the level of uncertainty of each attribute value. Likewise, the imputation of the missing attributes is also carried out with other imputation techniques in the Adult data set of UCI Machine Learning to denote the advantages offered by the proposed methodology.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2020, 14, 22; 7-21
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Imputation of missing values by using raw moments
    Autorzy:
    Sohail, Muhammed Umair
    Shabbir, Javid
    Sohil, Fariha
    Powiązania:
    https://bibliotekanauki.pl/articles/1359290.pdf
    Data publikacji:
    2019-04-25
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    non-response
    imputation
    raw moments
    relative efficiency
    Opis:
    The estimation of population parameters might be quite laborious and inefficient, when the sample data have missing values. In comparison follow-up visits, the method of imputation has been found to be a cheaper procedure from a cost point of view. In the present study, we can enhance the performance of imputation procedures by utilizing the raw moments of the auxiliary information rather than their ranks, especially, when the ranking of the auxiliary variable is expensive or difficult to do so. Equations for bias and mean squared error are obtained by large sample approximation. Through the numerical and simulation studies it can be easily understood that the proposed method of imputation can outperform their counterparts.
    Źródło:
    Statistics in Transition new series; 2019, 20, 1; 21-40
    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:
    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:
    Wpływ liczebności próby i metody zastępowania braków odpowiedzi na miary dopasowania oraz wyniki modelowania ścieżkowego
    Influence of a sample size and a method of hand- ling missing values on the results and goodness of fit of the path relation model
    Autorzy:
    Skowron, Łukasz
    Gąsior, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/424919.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    path relation model
    SEM
    PLS
    data gaps
    sample size
    Opis:
    In the following article the authors describe the problem of influence of a sample size and a method of handling missing values on the results and goodness of fit of the path relation model. In order to estimate the goodness of fit of the model the authors use the indicators which describe the internal (Cronbach’s Alfa, Composite Reliability) and external (R2) stability of the model. By the term “results of the models” the authors mean estimated index values for latent variables and path coefficients of the SEM modeling procedure. In the research the authors analysed outcomes of Partial Least Squares method, used to build a model of Lublin shopping malls sector customers’ satisfaction and loyalty. The research included 43 datasets that varied in a number of observations and a method used for solving the missing values problem. Obtained results not only allowed the authors to statistically verify the main research problem of the study, but also enabled researchers to evaluate practical applicability of the analyzed imputation methods in real market and business consultancy activities. The research showed the supremacy of the Predictive Mean Matching and CART algorithms over other methods in the majority of analyzed ceases. Nevertheless, the differences between obtained results were rather insignificant, so one may assume that there is no visible influence of the used method on the practical interpretation of the obtained model and analyzed phenomenon.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 3 (53); 42-53
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Review of methods for data sets with missing values and practical applications
    Autorzy:
    Korczyński, Adam
    Powiązania:
    https://bibliotekanauki.pl/articles/433946.pdf
    Data publikacji:
    2014
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    missing data pattern
    missing data mechanism
    complete-case analysis
    available-case analysis
    single imputation
    likelihood-based methods
    multiple imputation
    weighting methods
    Opis:
    The aim of this paper is to revise the traditional methods (complete-case analysis, available-case analysis, single imputation) and current methods (likelihood-based methods, multiple imputation, weighting methods) for handling the problem of missing data and to assess their usefulness in statistical research. The paper provides the terminology and the description of traditional and current methods and algorithms used in the analysis of incomplete data sets. The methods are assessed in terms of the statistical properties of their estimators. An example is provided for the multiple imputation method. The review indicates that current methods outweigh traditional ones in terms of bias reduction, precision and efficiency of the estimation.
    Źródło:
    Śląski Przegląd Statystyczny; 2014, 12(18); 83-104
    1644-6739
    Pojawia się w:
    Śląski Przegląd Statystyczny
    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:
    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:
    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
    Tytuł:
    An improved comparison of three rough set approaches to missing attribute values
    Autorzy:
    Grzymala-Busse, J. W.
    Grzymala-Busse, W. J.
    Hippe, Z. S.
    Rząsa, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/969797.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    incomplete data sets
    missing attribute values
    approximations for incomplete data
    LERS data mining system
    MLEM2 algorithm
    Opis:
    In a previous paper three types of missing attribute values: lost values, attribute-concept values and "do not care" conditions were compared using six data sets. Since previous experimental results were affected by large variances due to conducting experiments on different versions of a given data set, we conducted new experiments, using the same pattern of missing attribute values for all three types of missing attribute values and for both certain and possible rules. Additionally, in our new experiments, the process of incremental replacing specified values by missing attribute values was terminated when entire rows of the data sets were full of missing attribute values. Finally, we created new, incomplete data sets by replacing the specified values starting from 5% of all attribute values, instead of 10% as in the previous experiments, with an increment of 5% instead of the previous increment of 10%. As a result, it is becoming more clear that the best approach to missing attribute values is based on lost values, with small difference between certain and possible rules, and that the worst approach is based on "do not care" conditions, certain rules. With our improved experimental setup it is also more clear that for a given data set the type of the missing attribute values should be selected individually.
    Źródło:
    Control and Cybernetics; 2010, 39, 2; 469-486
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    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
      Wyświetlanie 1-14 z 14

      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