GaussCopulaによる混合データのための欠損値補完【JST・京大機械翻訳】

Zhao Yuxuan; Udell Madeleine

プレプリント

J-GLOBAL ID：202202215138982506 整理番号：22P0083859

GaussCopulaによる混合データのための欠損値補完【JST・京大機械翻訳】

Missing Value Imputation for Mixed Data via Gaussian Copula

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2019年10月28日プレプリントサーバーでの情報更新日： 2020年06月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

誤解データは,多くのデータ解析パイプラインの最初の重要なステップを形成する。挑戦は,実際の,Boole,および順序データを含む混合データセットに対して最大であり,そこでは,帰属のための標準技法が基本的衛生チェックを失敗する:例えば,入力値は,データと同じ分布に従わないかもしれない。本論文は,調整パラメータなしで,欠測値を修正するための新しい半パラメトリックアルゴリズムを提案した。アルゴリズムはGaussコピュラとして混合データをモデル化する。このモデルは,連続変数に対して任意の限界を適合でき,特殊ケースとしてBoole変数を含む,多くのレベルで順序変数を扱うことができる。不完全混合データからコピュラパラメータを推定するための効率的な近似EMアルゴリズムを開発した。得られたモデルは変数間の統計的関連性を明らかにした。いくつかの合成および実データセットに関する実験結果は,混合データに対する最先端の補完アルゴリズムに対する提案アルゴリズムの優位性を示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能

前のページに戻る