Sep, 2023

缺失值处理的三元决策树

PDF
TL;DR这篇论文介绍了 Trinary 决策树，一种旨在改善决策树回归器和分类器中处理缺失数据的算法。通过理论计算和使用真实数据集的数值说明，与已有算法在不同缺失数据情景（完全随机缺失（MCAR）和信息缺失（IM））中性能的比较，Trinary 决策树在 MCAR 设置中表现优于其他方法，尤其是当数据只在样本外缺失时，而在 IM 设置中略显不足。一个混合模型 TrinaryMIA 树，结合了 Trinary 决策树和 Missing In Attributes (MIA) 方法，在所有类型的缺失中表现出稳健的性能。尽管训练速度较慢可能是一个潜在的缺点，但 Trinary 决策树提供了一种有希望且更准确处理决策树算法中缺失数据的方法。
trinary decision treemissing datadecision tree regressorsclassifiersmissing in attributes (mia)
发现论文，激发创造
  • 处理缺失数据的图模型

    本文从透明度、可估计性和可测试性的三个方面，评估了传统框架的限制，并展示了如何通过基于图形模型的方法来克服这些限制并在包括 MNAR 在内的广泛缺失数据问题中提供有意义的性能保证。同时，提出了在 MAR 和 MNAR 类别中对缺失数据模型进行可测试的推论。

    Jan, 2018

  • 处理特殊缺失机制下的缺失数据综述

    在数据科学中，缺失数据是一个重要的挑战，它对决策过程和结果产生影响。本文回顾了现有文献对处理缺失数据的方法进行了比较和对比，揭示了现有文献中的研究空白，并提出了未来研究的潜在方向。这个综述将帮助数据分析人员和研究人员在实际问题中采用和推广处理缺失数据的良好实践。

    Apr, 2024

  • MissForest - 混合类型数据的非参数缺失值填补

    提出了一种非参数方法，使用随机森林（random forest）基于迭代插补（iterative imputation）处理混合类型数据中的缺失值，相较于其他插值方法，特别是在疑似存在复杂交互作用和非线性关系的数据集中，该方法表现出较高的性能，且具有良好的计算效率和处理高维度数据的能力。

    May, 2011

  • 强优化分类树

    该论文提出了一种基于流的 MIO 表达式，以用于学习最优二叉分类决策树，并可容纳相应的边际约束，从而使决策树设计变得透明和公平。作者通过实验证明，其相较同类现有 MIO 方法，在性能和计算速度方面有明显提升。

    Mar, 2021

  • 基于健康数据库的预测模型缺失值处理方法的基准测试

    本文系统评估了处理缺失值的策略在预测模型中的效果，重点关注大型健康数据库，结果表明，在监督式机器学习中自然支持的缺失值预测表现优于最先进的插补方法，且计算成本更低。

    Feb, 2022

  • 缺失非随机数据的填补和低秩估计

    本文介绍了一种模型和代理的基于矩阵补全的方法来处理丢失而非随机的数据，该方法在处理不同类型的丢失机制时具有稳健性和计算效率，并通过一个实际案例从一个受伤人员数据库中预测是否给患有创伤性脑损伤的患者输注氨甲环酸以控制过度出血的情况。

    Dec, 2018

  • 缺失数据情况下的因果发现

    本文提出了 MVPC 算法，可用于发现具有不同缺失机制的观察数据中的基础因果结构，其缺失机制由失踪图表示，并提出了附加的纠正操作，以推导完整数据中的条件独立性 / 依赖关系。经实验证明，所提出的算法在 MAR 或 MNAR 数据下也能给出正确的结果，并且在神经病理性疼痛诊断记录和其他两个真实世界应用中表现优异。

    Jul, 2018

  • 基于多变量布尔规则的最优分类树 (BooleanOCT)

    全球优化分类树方法通过建立新的混合整数规划方法，在多个线性和非线性指标的综合下，提供了优于传统方法的解析度和普适性。在延展性和实用性测试中，该方法在小型和中型数据集上相较于随机森林取得了显著的精度提升。

    Jan, 2024

  • 统计学习中的确定性和近似确定性模型

    本文提出了一种统一的方法，以验证数据插补对于学习准确模型是否必要，并在插补不必要的情况下返回准确模型。通过我们的算法，可以显著减少数据插补所需的时间和工作量，并且不会带来明显的计算负担。

    Feb, 2024

  • 带有缺失数据的高斯混合模型的高效 EM 训练

    通过使用生成模型（高斯混合模型）计算观察变量给定缺失变量的条件期望值来解决数据矩阵中缺少条目的问题，并利用基于生成模型的算法来填充缺失值，以提高分类学习算法的性能。

    Sep, 2012