基于链式随机森林的多重插补：基于袋外预测误差经验分布的初步研究
统计方法学
2020-05-01 v1 机器学习
摘要
缺失数据在生物医学领域数据分析中十分常见，基于随机森林（RF）的插补方法已被广泛接受，因为 RF 算法无需指定数据分布或关系即可达到高准确度。然而，RF 的预测不包含预测不确定性信息，这对多重插补而言不可接受。现有基于 RF 的多重插补方法试图进行恰当的多重插补，要么直接在预测节点下从观测中采样而不考虑预测误差，要么对预测误差分布做正态假设。本研究提出一种新颖的基于 RF 的多重插补方法，通过由袋外预测误差的经验分布构建条件分布。所提方法与先前对 RF 预测误差做参数假设的方法及基于预测均值匹配的方法，在含交互项数据的模拟研究中进行比较。所提非参数方法可给出有效的多重插补结果。本研究的配套 R 包已公开可用。
引用
@article{arxiv.2004.14823,
title = {Multiple imputation using chained random forests: a preliminary study based on the empirical distribution of out-of-bag prediction errors},
author = {Shangzhi Hong and Yuqi Sun and Hanying Li and Henry S. Lynn},
journal= {arXiv preprint arXiv:2004.14823},
year = {2020}
}
备注
Initial version, 6 pages, 1 figure