含缺失数据的聚类：何种插补模型适配何种聚类分析方法？
统计方法学
2021-06-09 v1
摘要
多重插补（MI）是处理缺失值的常用方法。MI 的一大优势是将插补阶段与分析阶段分离。然而二者相互关联，因其所基于的分布假设须保持一致。这一点即所谓相容性（congeniality）。本文讨论连续数据聚类的相容性。首先，我们从理论上阐明两种联合建模（JM）MI 方法（JM-GL 与 JM-DP）如何与多种聚类方法相容。接着，我们提出一种具有与 JM-GL 相同理论性质的新型完全条件规范（FCS）MI 方法。最后，我们将该 FCS MI 方法推广至更复杂的分布。基于广泛的模拟研究，我们比较了所有 MI 方法在各种聚类分析方法（k-means、k-medoids、混合模型、层次聚类）下的表现。该研究表明，当插补模型考虑聚类的个体时，划分准确度得以提升。据此，应避免忽略此类结构的标准 MI 方法。当数据依高斯混合模型分布时，推荐 JM-GL 与 JM-DP；而在更复杂数据上，FCS 方法优于 JM 方法。
引用
@article{arxiv.2106.04424,
title = {Clustering with missing data: which imputation model for which cluster analysis method?},
author = {Vincent Audigier and Ndèye Niang and Matthieu Resche-Rigon},
journal= {arXiv preprint arXiv:2106.04424},
year = {2021}
}