欠損値を埋める方法として、平均値などの代入ではなく、変数間の関係も考慮してより正確な代入値を推定する方法を説明。主な手法として、回帰分析、K-NN 、MICE (Multiple Imputation by Chained Equations)など。

misshiki のブックマーク 2024/01/15 15:36

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4747878166375910351/comment/misshiki" data-user-id="misshiki" data-entry-url="https://b.hatena.ne.jp/entry/s/www.salesanalytics.co.jp/column/no00371/" data-original-href="https://www.salesanalytics.co.jp/column/no00371/" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Fwww.salesanalytics.co.jp%2Fcolumn%2Fno00371%2F" data-user-icon="/users/misshiki/profile.png">第371話｜機械学習における多変量代入法：欠損データの克服</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92">機械学習</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%E7%B5%B1%E8%A8%88">統計</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%E3%83%87%E3%83%BC%E3%82%BF%E5%88%86%E6%9E%90">データ分析</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%E5%89%8D%E5%87%A6%E7%90%86">前処理</a>]</li></ul><br><p style="clear: left">欠損値を埋める方法として、平均値などの代入ではなく、変数間の関係も考慮してより正確な代入値を推定する方法を説明。主な手法として、回帰分析、K-NN 、MICE (Multiple Imputation by Chained Equations)など。</p><a class="datetime" href="https://b.hatena.ne.jp/misshiki/20240115#bookmark-4747878166375910351"><span class="datetime-body">2024/01/15 15:36</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！