用于部分观测数据探索与缺失值填补的自组织映射
统计方法学
2023-02-14 v3 统计理论
统计理论
摘要
自组织映射是一种无监督神经网络，广泛应用于化学计量学领域的数据可视化与聚类。计算自组织映射的经典 Kohonen 算法仅适用于无任何缺失值的完整数据。然而，在许多应用中，部分观测数据才是常态。本文中，我们通过对不完整数据扩展自组织映射，提出一种新的准则，该准则也定义了缺失值的估计量。此外，提供了 Kohonen 算法的适配版本 missSOM，用于计算这些自组织映射并填补缺失值。我们给出了一种高效实现。在模拟数据与化学数据集上的数值实验说明了 missSOM 较短的计算时间，并依据多种准则评估了其性能，且与当前最优方法进行了比较。
引用
@article{arxiv.2202.07963,
title = {Self-Organizing Maps for Exploration of Partially Observed Data and Imputation of Missing Values},
author = {Sara Rejeb and Catherine Duveau and Tabea Rebafka},
journal= {arXiv preprint arXiv:2202.07963},
year = {2023}
}