MIRACLE：通过学习方法缺失数据机制实现因果感知插补
机器学习
2021-11-08 v1
摘要
缺失数据是机器学习实践中的一个重要问题。从插补方法应保留数据因果结构的前提出发，我们开发了一种正则化方案，鼓励任何基线插补方法与底层数据生成机制保持因果一致。我们的方案是一种因果感知插补算法（MIRACLE）。MIRACLE通过同时建模缺失生成机制，鼓励插补与数据因果结构一致，从而迭代地精炼基线的插补。我们在合成与多种公开可用数据集上进行了广泛实验，表明MIRACLE能够在随机缺失、完全随机缺失和非随机缺失这三种缺失场景下，持续优于多种基准方法的插补。
引用
@article{arxiv.2111.03187,
title = {MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms},
author = {Trent Kyono and Yao Zhang and Alexis Bellot and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:2111.03187},
year = {2021}
}