r - missForest 数据插补与使用 RF 的 MICE

标签 r missing-data imputation r-mice

这两种方法有什么区别? missForest 是多重插补方法吗?如果是这样,它与使用 RF 的 MICE 有何不同?

谢谢

最佳答案

嗯,相似之处在于,两种方法都采用随机森林来获得插补。这两个包之间如何使用随机森林来完成此任务是不同的。

  • 小鼠:提供多重插补
  • missForest:仅提供单一插补

但差异不仅在于单次插补与多重插补,还在于如何使用随机森林来获取插补值的整个过程。

在这里解释细节会花费太多时间。如果您有兴趣更深入地了解论文各自的算法:

还请记住,有 mice.impute.rfCALIBRErfimpute 包,它们都实现了小鼠的随机森林多重插补。但这些只是略有不同。

还有一个有趣的study比较 missForest、mice.impute.rf 和 CALIBRErfimpute 以及非随机森林小鼠方法。 (我想读完这篇文章会让你更清楚)

关于r - missForest 数据插补与使用 RF 的 MICE,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68801856/

相关文章:

r - 使用 ggplot2 自定义纯素 PCA 图

r - 循环运行时如何获取链接?

python - 用 NaN 替换字典的空值

python - Pandas:必须传递带有 bool 值的 DataFrame,仅用作 asfreq

r - 小鼠的插补方法 - 数据集中的相关性。电阻

r - 在小鼠中进行后处理,将一个变量替换为另一个变量

r - 使用 BigQuery 和 R 分析数据

r - 循环中的控制台输出 : how to completely clean last cat ouput without adding a line break?

f# - 在 F# 中处理 Deedle 时间序列中的缺失值(三)

python - 处理缺失的分类值 ML