Nā ʻAno Hoʻohālikelike ma nā Heluhelu
I ka hana o nā helu helu a me ka loiloi ʻikepili, kokoke mau ka pilikia o ka ʻikepili nalowale. Hiki ke nalowale ka ʻikepili ma muli o ka pane ʻole ʻana o ka poʻe pane i kekahi mau nīnau, nā hewa hoʻopaʻa leo, ke komo ʻana o ka sensor, ka ʻikepili i hōʻino ʻia i ka wā o ka unuhi ʻana, a i ʻole ma muli o ke kaʻina hana o ka hoʻohui ʻana i nā kumu ʻikepili he nui i kūlike ʻole. Inā ʻaʻole i mālama pono ʻia, hiki i ka ʻikepili nalowale ke hoʻohaʻahaʻa i ka maikaʻi o ka loiloi, hoʻemi i ka mana o ka hoʻāʻo, a alakaʻi pū i nā hopena i manaʻo ʻia. ʻO kekahi o nā ala maʻamau e lawelawe ai i ka ʻikepili nalowale, ʻo ia ka imputation, e pili ana i ka hoʻopiha ʻana i nā waiwai nalowale me nā waiwai i manaʻo ʻia e pili ana i ka ʻike i loaʻa.
No ke aha he mea nui ka hoʻopili ʻana?
Aia kekahi mau kumu e koho pinepine ʻia ai ka imputation ma mua o ka holoi wale ʻana i ka ʻikepili nalowale. ʻO ka mea mua, ʻo ka holoi ʻana i nā lālani/nānā ʻana me nā waiwai nalowale (e.g., ka holoi ʻana ma ke ʻano papa inoa) hiki ke hōʻemi nui i ka nui o ka laʻana, ʻoiai inā he koʻikoʻi ka pakeneka o ka ʻikepili nalowale. ʻO ka lua, inā ʻaʻole nalowale ka ʻikepili ma ka random, hiki i ka holoi ʻana ke hoʻolauna i ka bias. ʻO ke kolu, nui nā algorithms helu a i ʻole ka mīkini aʻo e koi ana i ka ʻikepili piha, e hana ana i ka imputation i kahi hana preprocessing maʻalahi.
Eia nō naʻe, ʻaʻole wale ka hoʻopili ʻana e pili ana i ka "hoʻopiha ʻana i nā hakahaka." Pono ke ʻano i koho ʻia e noʻonoʻo i ka ʻōnaehana ʻikepili i nalowale, ke ʻano o nā loli, a me nā pahuhopu o ka nānā ʻana. Hiki i ka hoʻopili maikaʻi ʻole ke "hoʻopunipuni" i ke kumu hoʻohālike, hōʻemi i ka ʻokoʻa, a hoʻolilo i nā hopena i ʻoi aku ka maopopo ma mua o ka mea maoli.
ʻAno Hana ʻIkepili Nalowale
Ma nā palapala helu, ua hoʻokaʻawale pinepine ʻia ka ʻikepili nalowale i ʻekolu mau ʻano hana nui:
1. MCAR (Nalowale Loa ma ke ʻAno Kūpono ʻole): kūʻokoʻa ka likelika o ka nalowale ʻana o ka ʻikepili mai nā loli, i ʻike ʻia a i ʻole i ʻike ʻole ʻia. No ka laʻana, kahi nīnau i hōʻino ʻia e kahi ulia.
2. MAR (Missing At Random): hilinaʻi ka likelika o ka nalowale ʻana o ka ʻikepili ma ke ʻano loli i ʻike ʻia, akā ʻaʻole ia e hilinaʻi ma ka waiwai nalowale ma hope o ka kaohi ʻana i nā loli ʻē aʻe. No ka laʻana, ʻoi aku ka nui o ka poʻe pane ʻōpio e haʻalele i nā nīnau loaʻa kālā, akā loaʻa ka makahiki.
3. MNAR (Missing Not At Random): ʻO ka likelika o ka nalowale ʻana o ka ʻikepili e pili ana i ka waiwai i nalowale ponoʻī. No ka laʻana, ʻo ka poʻe me nā loaʻa kālā kiʻekiʻe loa, ʻaʻole lākou e hōʻike i kā lākou loaʻa kālā.
ʻOi aku ka palekana o ka imputation ma lalo o MCAR/MAR. Pono pinepine ʻo MNAR i kahi kumu hoʻohālike e hōʻike pono ana i ka ʻikepili nalowale a i ʻole kahi loiloi ʻike.
Ke ʻAno Hoʻohālikelike Maʻalahi
1. Ka Imputation Mean/Median/Mode
ʻO ke ʻano maʻalahi loa, ʻo ia ke pani i nā waiwai i nalowale me ka awelika a i ʻole ka waena no nā loli helu, a me ke ʻano no nā loli mahele. ʻO nā pono: he maʻalahi, wikiwiki, a lawelawe pinepine ʻia ma ke ʻano he kumu. ʻO nā hemahema: hiki iā ia ke hōʻemi i ka variance a hoʻopilikia i ka hoʻolaha ʻikepili, ʻoiai inā ʻaʻole like ka ʻikepili a i ʻole he outliers. ʻOi aku ka paʻa o ka waena i nā outliers ma mua o ka awelika.
2. Ka Hoʻopili Mau ʻana
Hoʻopiha ʻia nā waiwai nalowale me kahi mau kikoʻī, e like me 0, -1, a i ʻole ka lepili "ʻIke ʻole ʻia." He mea pono kēia ke loaʻa i ka waiwai kahi manaʻo kikoʻī (e.g., "ʻaʻohe hana"), a i ʻole ke pono e hāʻawi ʻia ke kumu hoʻohālike i kahi hōʻailona hou e hōʻike i ka nalowale. Eia nō naʻe, ʻo ke koho ʻana i kahi mau kikoʻī kūpono ʻole hiki ke hoʻolauna i nā ʻano hoʻohālike.
3. Hoʻohālikelike Papa Wela
Ma kahi papa hot deck, hoʻopiha ʻia nā waiwai i nalowale me ka hoʻohana ʻana i nā waiwai mai nā ʻike "like" ʻē aʻe (nā mea hāʻawi) e pili ana i kekahi mau loli koʻikoʻi. He mea kaulana kēia ʻano hana i nā anamanaʻo. Mālama nā papa hot decks i nā waiwai maoli no ka mea hopu lākou i nā waiwai maoli o ka ʻikepili, akā pili nā hopena i ka wehewehe ʻana o ka "like" a hiki ke hana i ka loli ma waena o nā laʻana.
Ke ʻAno Hoʻohālikelike i Hoʻokumu ʻia ma ke Kumu Hoʻohālike
4. Ka Hoʻopili ʻana o ka Regression
Ua wānana ʻia nā waiwai i nalowale me ka hoʻohana ʻana i kahi kumu hoʻohālike regression i loaʻa mai nā loli ʻē aʻe. No nā loli helu, hiki ke hoʻohana ʻia ka regression linear; no nā loli categorical, hiki ke hoʻohana ʻia ka regression logistic a multinomial paha. ʻO ka pōmaikaʻi, ʻo ia ka hoʻohana ʻana i nā pilina ma waena o nā loli. ʻO ka hemahema, ʻo ka hoʻohana ʻana i nā waiwai wānana deterministic wale nō e hōʻemi i ka variance no ka mea hāʻule pololei nā waiwai i hoʻokomo ʻia ma ka laina wānana. No ka hoʻoponopono ʻana i kēia, hoʻohui pinepine ʻia nā ʻāpana random (e.g., nā koena) no ka realism nui aʻe.
5. k-Nā Hoalauna Kokoke Loa (kNN) Hoʻohālikelike
Hoʻopiha ke ʻano kNN i nā waiwai i nalowale ma muli o ka awelika (a i ʻole ke koho balota) o nā hoalauna kokoke loa ʻo k. Hoʻohana pinepine ʻia ka mamao Euclidean a i ʻole kekahi metric ʻē aʻe ma hope o ka hoʻohālikelike ʻia ʻana o ka ʻikepili. ʻO kona mau pono e komo pū me ka maʻalahi a me ka manaʻo ʻole o ka pilina linear. ʻO nā hemahema e komo pū me ke kumukūʻai helu no nā ʻikepili nui, ka ʻike i ka unahi loli, a me ka hoʻohaʻahaʻa ʻana o ka hana ma ka ʻikepili kiʻekiʻe (hōʻino o ka dimensionality).
6. Ka Hoʻonui ʻana i ka Manaʻolana (EM)
Kuhi ka ʻano EM i nā palena hoʻohālike (e.g., ka awelika a me ke covariance no ka ʻikepili maʻamau multivariate) ma ka mālama ʻana i nā waiwai i nalowale e like me nā loli latent. Hoʻomaulia pinepine ʻo Step E i ka manaʻolana o nā waiwai i nalowale e pili ana i nā palena o kēia manawa, a laila hōʻano hou ʻo Step M i nā palena e pili ana i ka ʻikepili "piha" i manaʻo ʻia. He paʻa ʻo EM i kekahi mau kuhiakau hoʻolaha, akā hiki ke paʻakikī a hilinaʻi i ka pololei o nā kuhiakau hoʻohālike.
Hoʻopili Helu: Ke Kūlana Gula ma nā Hihia He Nui
7. Hoʻopili pinepine ʻia (MI)
ʻO ka Imputation Multiple kekahi o nā ala koʻikoʻi loa i ka MAR. Ma kahi o ka hoʻopuka ʻana i hoʻokahi ʻikepili piha, hoʻopuka ʻo MI i nā ʻikepili he nui (e.g., 5-20) me nā imputations like ʻole e hōʻike ana i ka maopopo ʻole. Hoʻokaʻawale ʻia kēlā me kēia ʻikepili, a laila hoʻohui ʻia nā hopena me ka hoʻohana ʻana i nā lula a Rubin e loaʻa ai nā kuhi kūpono a me nā hewa maʻamau.
Nā pono o MI:
- Hoʻokipa i ka maopopo ʻole o ka hoʻopili ʻana.
– ʻOi aku ka pololei no ka hoʻoholo helu (nā wā hilinaʻi, ka hoʻāʻo ʻana i nā kuhiakau).
- Hiki ke hoʻololi ʻia no nā ʻano loli like ʻole.
Kona mau palena:
– Ka hoʻokō paʻakikī.
– Pono nā kuhiakau kūpono a me nā kikoʻī kumu hoʻohālike imputation.
– Inā he hemahema ma MNAR, hiki nō ke hoʻopilikia ʻia ka MI maʻamau.
Imputation no ka moʻo manawa a me ka ʻikepili spatial
I loko o ka ʻikepili moʻo manawa, pili pinepine nā waiwai i nalowale me ko lākou mau waiwai ma mua a ma hope. Hoʻohana pinepine ʻia nā ʻano hana e like me ka interpolation linear, splines, Kalman filters, a i ʻole nā match ARIMA/State Space. No ka ʻikepili spatial, hiki i nā ʻano hana e like me kriging a me nā match spatial ke hoʻohana i ka pili honua. He kūpono kēia mau ʻano hana i ka wā e mana ai ka hoʻonohonoho manawa/spatial, akā pono e akahele i nā loli koke (e laʻa, nā haʻalulu hoʻokele waiwai) hiki ke hoʻopunipuni i ka interpolation maʻalahi.
Nā Hana Maikaʻi i ke Koho ʻana i nā ʻAno Hana Hoʻohālikelike
1. E hana i ka ʻimi ʻikepili i nalowale: e nānā i ka pakeneka o nā waiwai i nalowale, ke ʻano o ka nalowale ʻana, a inā pili ka nalowale ʻana i kahi loli kikoʻī.
2. E hoʻokaʻawale i ka ʻikepili hoʻomaʻamaʻa a me ka ʻikepili hoʻāʻo: e hana i ka hoʻopili ʻana ma ke "aʻo ʻana" mai ka ʻikepili hoʻomaʻamaʻa wale nō, a laila e hoʻopili iā ia i ka ʻikepili hoʻāʻo e pale aku i ka liki ʻana o ka ʻikepili.
3. E noʻonoʻo i ke ʻano loli: helu, mahele, hoʻonohonoho, a hui pū ʻia paha; ʻokoʻa ke ʻano hana kūpono.
4. E hoʻohana i nā ʻōkuhi nalo: i kekahi manawa ʻo ka ʻike e nalowale ana kahi waiwai he wānana ia; hiki i ka hoʻohui ʻana i nā loli hōʻailona ke hoʻomaikaʻi i ka hana o kahi kumu hoʻohālike wānana.
5. E loiloi i ka hopena o ka imputation: e hoʻohālikelike i nā hoʻolaha ma mua/ma hope o ka imputation, e nānā inā ua emi ka variance, a e hōʻoia i ke kumu hoʻohālike.
6. E hoʻokau mua iā MI no ka hoʻoholo ʻana: i ka wā e pili ana ka pahuhopu o ka loiloi i ka hoʻohālikelike ʻana i nā palena a me ka hoʻāʻo helu, ʻoi aku ka kūpono o ka imputation he nui ma mua o ka imputation hoʻokahi.
Ka hopena
ʻO ka imputation kahi ʻāpana koʻikoʻi o nā kahe hana helu hou no ka lawelawe ʻana i ka ʻikepili nalowale. Hiki ke lilo nā ʻano hana maʻalahi e like me ka mean/median i mea pono ma ke ʻano he kumu a i ʻole no nā hemahema liʻiliʻi, akā pinepine e hoʻopilikia i ka hoʻonohonoho ʻikepili a me ka maopopo ʻole. Hoʻohana nā ʻano hana i hoʻokumu ʻia ma ke ʻano hoʻohālike e like me ka regression, kNN, a me EM i nā pilina ma waena o nā loli, ʻoiai ʻo Multiple Imputation e hāʻawi i kahi ʻōnaehana paʻa no ka inference ma ka helu ʻana i ka maopopo ʻole. ʻO ke koho ʻana o ke ʻano hana maikaʻi loa e pili ana i ka ʻōnaehana ʻikepili nalowale (MCAR/MAR/MNAR), ka pahuhopu loiloi (wānana vs. inference), a me nā ʻano o ka ʻikepili (moʻo manawa, spatial, hui pū ʻia). Me ke ala kūpono, kōkua ka imputation i ka mālama ʻana i ka pono o ka loiloi a loaʻa nā hopena hilinaʻi.
