基于属性加权的分类数据最近邻填补
统计方法学
2017-10-04 v1
摘要
缺失值是应用研究各个领域中普遍存在的现象。虽然针对度量尺度变量已有多种填补方法，但适用于分类数据的方法却很少。最近邻填补法已被证明在处理高维度量尺度变量时效果良好。本文将加权最近邻方法扩展用于填补分类变量中的缺失值。所提出的方法称为 ，明确利用了属性间关联的信息。通过错误填补值的比例来比较不同填补方法的性能。模拟结果表明，属性加权产生的填补误差小于现有方法。多种真实数据集被用来支持模拟所得的结果。
引用
@article{arxiv.1710.01011,
title = {Nearest Neighbor Imputation for Categorical Data by Weighting of Attributes},
author = {Shahla Faisal and Gerhard Tutz},
journal= {arXiv preprint arXiv:1710.01011},
year = {2017}
}