Àwọn Ọ̀nà Ìṣirò Nínú Àwọn Àkójọ Ìṣirò
Nínú ìṣe statistiki àti ìṣàyẹ̀wò data, ìṣòro ìsọnù data sábà máa ń wáyé. Dátà lè má sí nítorí pé àwọn olùdáhùn kò dáhùn àwọn ìbéèrè kan, àṣìṣe gbígbàsílẹ̀, ìdènà sensọ̀, dátà tí ó bàjẹ́ nígbà yíyọ data, tàbí nítorí ìlànà pípapọ̀ ọ̀pọ̀lọpọ̀ orísun data tí kò bá ara mu dáadáa. Tí a kò bá ṣe é dáadáa, ìsọnù data lè ba dídára ìṣàyẹ̀wò náà jẹ́, dín agbára ìdánwò náà kù, àti pàápàá yọrí sí àwọn ìparí èrò tí kò tọ́. Ọ̀kan lára àwọn ọ̀nà tí ó wọ́pọ̀ jùlọ láti bójútó dátà tí ó ṣòfò ni ìṣírò, èyí tí ó ní nínú fífi àwọn iye tí ó ṣòfò kún àwọn iye tí ó ṣòfò tí ó dá lórí ìwífún tí ó wà.
Kí ló dé tí ìṣírò owó fi ṣe pàtàkì?
Ọ̀pọ̀lọpọ̀ ìdí ló wà tí a fi máa ń yan ìṣírò dípò pípa dátà tí ó sọnù. Àkọ́kọ́, pípa àwọn ìlà/àkíyèsí tí ó ní àwọn iye tí ó sọnù (fún àpẹẹrẹ, píparẹ́ ní àkójọpọ̀) lè dín ìwọ̀n àpẹẹrẹ kù gidigidi, pàápàá jùlọ nígbà tí ìpíndọ́gba dátà tí ó sọnù bá ṣe pàtàkì. Èkejì, tí dátà náà kò bá sọnù ní àìròtẹ́lẹ̀, píparẹ́ lè fa ẹ̀tanú. Ẹ̀kẹta, ọ̀pọ̀ àwọn algoridimu ìṣirò tàbí ẹ̀kọ́ ẹ̀rọ nílò dátà pípé, èyí tí ó mú kí ìṣírò jẹ́ ìgbésẹ̀ ìṣiṣẹ́ ṣáájú.
Sibẹsibẹ, iṣiro kii ṣe nipa "kikun awọn àlàfo naa." Ọna ti a yan gbọdọ gba ilana data ti o sọnu, eto awọn oniyipada, ati awọn ibi-afẹde ti itupalẹ naa. Iṣiro ti ko dara le "tan" awoṣe naa jẹ, dinku iyatọ, ki o jẹ ki awọn abajade han bi ẹni pe o daju ju bi wọn ṣe jẹ ni gidi lọ.
Iṣẹ́ Dátà Tí Ó Sọnu
Nínú ìwé ìṣirò, a sábà máa ń pín àwọn ìwífún tí ó sọnù sí ọ̀nà mẹ́ta pàtàkì:
1. MCAR (Ó Ń Pàdánù Pátápátá Ní Àìròtẹ́lẹ̀): ìṣeeṣe pé ìsọdá dátà kò ní ìyípadà kankan, tí a ṣàkíyèsí tàbí tí a kò ṣàkíyèsí. Fún àpẹẹrẹ, ìbéèrè tí ó bàjẹ́ nípasẹ̀ ìjamba.
2. MAR (Àìsí ní Àìròtẹ́lẹ̀): ìṣeeṣe pé ìsọdá dátà yóò pàdánù sinmi lórí oníyípadà tí a kíyèsí, ṣùgbọ́n kò sinmi lórí iye tí ó pàdánù fúnrarẹ̀ lẹ́yìn tí ó bá ti ṣàkóso àwọn oníyípadà mìíràn. Fún àpẹẹrẹ, àwọn ọ̀dọ́ tí wọ́n dáhùn ìbéèrè nípa owó oṣù lè pàdánù, ṣùgbọ́n ọjọ́ orí wà.
3. MNAR (Kò sí ní àdánwò): Ó ṣeéṣe kí ìsọdá dátà má pàdánù sinmi lórí iye tí ó sọnù fúnrarẹ̀. Fún àpẹẹrẹ, àwọn ènìyàn tí owó-orí wọn pọ̀ gan-an kì í sábà sọ owó-orí wọn.
Ìṣirò sábà máa ń ní ààbò lábẹ́ MCAR/MAR. MNAR sábà máa ń nílò àwòṣe kan tí ó ṣe àkíyèsí kedere fún àwọn ìwífún tí ó sọnù tàbí ìṣàyẹ̀wò ìfàmọ́ra.
Ọ̀nà Ìṣirò Rọrùn
1. Ìṣirò Àárín/Àárín/Ìpò
Ọ̀nà tó rọrùn jùlọ ni láti fi àròpọ̀ tàbí àròpọ̀ fún àwọn oníyípadà nọ́mbà rọ́pò àwọn iye tó pàdánù, àti ọ̀nà fún àwọn oníyípadà onípele. Àwọn àǹfààní rẹ̀ ni: ó rọrùn, ó yára, ó sì sábà máa ń ṣiṣẹ́ gẹ́gẹ́ bí ìpìlẹ̀. Àwọn àléébù rẹ̀ ni: ó lè dín ìyàtọ̀ kù kí ó sì yí ìpínkiri dátà padà, pàápàá jùlọ tí dátà náà bá jẹ́ aláìdọ́gba tàbí tí ó ní àwọn onípò kejì. Àròpọ̀ náà sábà máa ń lágbára sí àwọn onípò kejì ju àròpọ̀ lọ.
2. Ìṣirò tí ó dúró ṣinṣin
Àwọn iye tí ó sọnù ni a fi àìdúró pàtó kan kún, bíi 0, -1, tàbí àmì "A kò mọ̀." Èyí wúlò nígbà tí ìníyelórí náà bá ní ìtumọ̀ pàtó kan (fún àpẹẹrẹ, "kò sí ìṣòwò"), tàbí nígbà tí a bá nílò láti fún àwòṣe náà ní àmì afikún láti fi hàn pé ó sọnù. Síbẹ̀síbẹ̀, yíyan àìdúró aláìṣeédá le fa àwọn ìlànà èké.
3. Ìṣirò Gbóná Deck
Nínú àwo gbígbóná, a máa ń fi àwọn iye tí ó pàdánù kún àwọn iye láti inú àwọn àkíyèsí “tí ó jọra” mìíràn (àwọn olùfúnni) tí a gbé ka orí ọ̀pọ̀lọpọ̀ àwọn ohun pàtàkì. Ọ̀nà yìí gbajúmọ̀ nínú àwọn ìwádìí. Àwọn àwo gbígbóná máa ń pa àwọn iye gidi mọ́ nítorí wọ́n máa ń kó àwọn iye gidi ti data náà, ṣùgbọ́n àwọn àbájáde náà máa ń jẹ́ kí ìtumọ̀ “ìbáramu” wáyé, wọ́n sì lè mú ìyàtọ̀ láàárín àwọn àpẹẹrẹ jáde.
Ọ̀nà Ìṣirò Tí Ó Dá lórí Àwòṣe
4. Ìṣirò ìfàsẹ́yìn
A máa ń sọ àsọtẹ́lẹ̀ àwọn iye tí ó sọnù nípa lílo àwòṣe ìfàsẹ̀yìn tí a rí láti inú àwọn oniyipada mìíràn. Fún àwọn oniyipada nọ́mbà, a lè lo ìfàsẹ̀yìn ìlà; fún àwọn oniyipada ẹ̀ka, ìfàsẹ̀yìn logistic tàbí multinomial ni a lè lò. Àǹfààní rẹ̀ ni pé ó ń lo àwọn ìbáṣepọ̀ láàrín àwọn oniyipada. Àléébù náà ni pé lílo àwọn iye tí a ti sọ tẹ́lẹ̀ nìkan máa ń dín ìyàtọ̀ kù nítorí pé gbogbo àwọn iye tí a kà sí wọn máa ń jábọ́ lórí ìlà àsọtẹ́lẹ̀ náà. Láti yanjú èyí, a sábà máa ń fi àwọn èròjà àìròtẹ́lẹ̀ (fún àpẹẹrẹ, àwọn àṣẹ́kù) kún un fún òtítọ́ gidi tó ga jù.
5. K-Ìṣirò Àwọn Aládùúgbò Tó Sunmọ́ jùlọ (kNN)
Ọ̀nà kNN ń kún àwọn iye tí ó sọnù ní ìbámu pẹ̀lú àròpín (tàbí ìdìbò) àwọn aládùúgbò k tí ó súnmọ́ jùlọ. A sábà máa ń wọn ìsúnmọ́ nípa lílo ìjìnnà Euclidean tàbí ìwọ̀n míràn lẹ́yìn tí a bá ti ṣe déédé dátà náà. Àwọn àǹfààní rẹ̀ ní ìrọ̀rùn àti èrò pé kò sí ìbáṣepọ̀ onílà. Àwọn àìníláárí pẹ̀lú owó ìṣirò fún àwọn ìṣètò dátà ńlá, ìfàmọ́ra sí ìwọ̀n oníyípadà, àti ìbàjẹ́ iṣẹ́ lórí dátà oníwọ̀n gíga (ègún ìwọ̀n).
6. Ìfojúsùn-Ìmúdàgbàsókè (EM)
Ọ̀nà EM ṣe ìṣirò àwọn pàrámítà àwòṣe (fún àpẹẹrẹ, àròpọ̀ àti ìyípadà fún dátà déédé onípele púpọ̀) nípa ṣíṣe àkíyèsí àwọn pàrámítà tí ó sọnù gẹ́gẹ́ bí àwọn pàrámítà tí ó fara sin. Ìgbésẹ̀ E ṣe ìṣirò ìfojúsùn àwọn pàrámítà tí ó sọnù ní ìbámu pẹ̀lú àwọn pàrámítà tí ó wà lọ́wọ́lọ́wọ́, lẹ́yìn náà ìgbésẹ̀ M ṣe àtúnṣe àwọn pàrámítà tí ó dá lórí dátà “pípé” tí a retí. EM lágbára sí àwọn pàrámítà ìpínkiri kan, ṣùgbọ́n ó lè díjú, ó sì sinmi lórí bí àwọn pàrámítà náà ṣe tọ́.
Ìṣirò Púpọ̀: Ìwọ̀n Wúrà ní Ọ̀pọ̀lọpọ̀ Ọ̀ràn
7. Ìṣirò Púpọ̀ (MI)
A kà Multiple Impact sí ọ̀kan lára àwọn ọ̀nà tí ó ní ìlànà jùlọ sí MAR. Dípò kí ó ṣe àgbékalẹ̀ dataset kan ṣoṣo, MI ń ṣe àgbékalẹ̀ dataset púpọ̀ (fún àpẹẹrẹ, 5–20) pẹ̀lú àwọn iṣiro oriṣiriṣi tí ó ń ṣàfihàn àìdánilójú. A ṣe àgbékalẹ̀ dataset kọ̀ọ̀kan lọ́tọ̀ọ̀tọ̀, lẹ́yìn náà a so àwọn àbájáde pọ̀ nípa lílo àwọn òfin Rubin láti gba àwọn ìṣirò tí ó wúlò àti àwọn àṣìṣe boṣewa.
Awọn anfani MI:
– Ó ń gba àìdánilójú ìṣírò.
– Ó péye jù fún àbájáde ìṣirò (àwọn àkókò ìgbẹ́kẹ̀lé, ìdánwò àbájáde).
– Rọrun fun awọn oriṣiriṣi awọn oniyipada.
Awọn idiwọn rẹ:
– Ìmúṣe tó díjú jù.
– Ó nílò àwọn àbá tó péye àti àwọn ìlànà àwòṣe ìṣirò.
– Tí àìsí MNAR bá wà, MI boṣewa lè jẹ́ ẹ̀tanú.
Ìṣirò fún Àkókò àti Dáta Àyíká
Nínú dátà àkókò, àwọn iye tí ó sọnù sábà máa ń ní ìbáṣepọ̀ pẹ̀lú àwọn iye tí ó ṣáájú àti èyí tí ó tẹ̀lé wọn. Àwọn ọ̀nà bíi interpolation linear, splines, Kalman filters, tàbí ARIMA/State Space models ni a sábà máa ń lò. Fún dátà ààyè, àwọn ọ̀nà bíi kriging àti àwọn àpẹẹrẹ ààyè le lo ìsúnmọ́ àgbègbè. Àwọn ọ̀nà wọ̀nyí munadoko nígbà tí ètò ìgbà/ààyè bá jẹ́ olórí, ṣùgbọ́n a gbọ́dọ̀ ṣọ́ra lòdì sí àwọn ìyípadà òjijì (fún àpẹẹrẹ, àwọn ìpayà ọrọ̀ ajé) tí ó lè mú kí interpolation rọrùn ṣìnà.
Àwọn Ìlànà Tó Dára Nínú Yíyan Àwọn Ọ̀nà Ìṣirò
1. Ṣe ìwádìí ìwádìí ìwífún tí ó sọnù: ṣàyẹ̀wò ìpín ogorun àwọn iye tí ó sọnù, àpẹẹrẹ àìsọnù, àti bóyá àìsọnù náà ní í ṣe pẹ̀lú onírúurú pàtó kan.
2. Yatọ si awọn data ikẹkọ ati idanwo: ṣe iṣiro nipasẹ “kikọ” lati data ikẹkọ nikan, lẹhinna lo o si awọn data idanwo lati yago fun jijo data.
3. Gbé irú onírúurú náà yẹ̀wò: nọ́mbà, ẹ̀ka, ìtòlẹ́sẹẹsẹ, tàbí àdàpọ̀; ọ̀nà tó yẹ yàtọ̀ síra.
4. Lo àwọn àmì tí ó sọnù: nígbà míìrán ìwífún tí ó sọ pé iye kan sọnù fúnra rẹ̀ jẹ́ àsọtẹ́lẹ̀; fífi àwọn oníyípadà àmì kún un lè mú iṣẹ́ àwòṣe àsọtẹ́lẹ̀ sunwọ̀n síi.
5. Ṣe àyẹ̀wò ipa ti iṣiro: ṣe afiwe awọn pinpin ṣaaju/lẹhin iṣiro, ṣayẹwo boya iyatọ ti dinku, ki o si jẹrisi awoṣe naa.
6. Fi MI ṣe àfiyèsí pàtàkì fún àbájáde: nígbà tí ète ìwádìí náà bá jẹ́ ìṣirò paramita àti ìdánwò statistiki, ìṣirò púpọ̀ sábà máa ń dára ju ìṣirò kan ṣoṣo lọ.
Ipari
Iṣiro jẹ́ apa pataki ninu awọn iṣiṣẹ iṣiro ode oni fun mimu data ti o sọnù. Awọn ọna ti o rọrun bi mean/median le wulo gẹgẹbi ipilẹ tabi fun awọn abawọn kekere, ṣugbọn nigbagbogbo ba eto data ati aidaniloju jẹ. Awọn ọna ti o da lori awoṣe bii regression, kNN, ati EM lo awọn ibatan laarin awọn oniyipada, lakoko ti Multiple Impact pese eto ti o lagbara fun iṣiro nipa ṣiṣe iṣiro fun aidaniloju. Yiyan ọna ti o dara julọ da lori ẹrọ data ti o sọnù (MCAR/MAR/MNAR), ibi-afẹde itupalẹ (asọtẹlẹ vs. inference), ati awọn abuda ti data (akoko jara, aaye, adalu). Pẹlu ọna ti o tọ, iṣiro ṣe iranlọwọ lati ṣetọju iduroṣinṣin ti itupalẹ ati mu awọn ipari ti o gbẹkẹle diẹ sii wa.
