Förutsägande medelvärdesmatchning

maskininlärning och datautvinning
Del av en serie om

Paradigm Övervakat lärande Oövervakat lärande Online lärande Batchinlärning Semi-övervakat lärande Självledd inlärning Förstärkningsinlärning
Problem Klassificering Regression Klustring dimensionsreduktion densitetsuppskattning Anomali upptäckt Datarengöring AutoML Föreningens regler Strukturerad förutsägelse Funktionsteknik Funktionsinlärning Att lära sig rangordna Grammatikinduktion
Övervakat lärande ( klassificering • regression ) Beslutsträd Ensembler Säckväv Boostning Slumpmässig skog k -NN Linjär regression Naiv Bayes Artificiellt nervsystem Logistisk tillbakagång Perceptron Relevansvektormaskin (RVM) Stöd för vektormaskin (SVM)
Klustring BJÖRK BOTA Hierarkisk k - betyder Suddig Förväntningsmaximering (EM) DBSCAN OPTIK Genomsnittlig förskjutning
Dimensionalitetsreduktion Faktoranalys CCA ICA LDA NMF PCA PGD t-SNE SDL
Strukturerad förutsägelse Grafiska modeller Bayes nät Villkorligt slumpmässigt fält Dolda Markov
Anomali upptäckt RANSAC k -NN Lokal extremfaktor Isolering skog
Artificiellt neuralt nätverk Autokodare Kognitiv beräkning Djup lärning DeepDream Flerskiktsperceptron RNN LSTM GRU ESN reservoarberäkning Begränsad Boltzmann-maskin GAN SOM Konvolutionellt neuralt nätverk U-Net Transformator Vision Spikande neurala nätverk Memtransistor Elektrokemiskt RAM (ECRAM)
Förstärkningsinlärning Q-lärande SARSA Temporell skillnad (TD) Multi-agent Självspel
Att lära sig med människor Aktivt lärande Crowdsourcing Människan-i-slingan
Modelldiagnostik Inlärningskurva
Teori Kärnmaskiner Avvägning mellan partiskhet och varians Beräkningslärandeteori Empirisk riskminimering Occam lärande PAC-inlärning Statistiskt lärande VC teori
Maskinlärande platser NeurIPS ICML ICLR ML JMLR
Relaterade artiklar Ordlista över artificiell intelligens Lista över datauppsättningar för forskning om maskininlärning Översikt över maskininlärning

Predictive mean matching (PMM) är en allmänt använd statistisk imputeringsmetod för saknade värden, först föreslog av Donald B. Rubin 1986 och RJA Little 1988.

Det syftar till att minska den fördom som introduceras i en datauppsättning genom imputering, genom att dra verkliga värden samplade från data. Detta uppnås genom att bygga en liten delmängd av observationer där utfallsvariabeln matchar resultatet av observationerna med saknade värden.

Jämfört med andra imputeringsmetoder tillskriver den vanligtvis mindre osannolika värden (t.ex. negativa inkomster) och tar hänsyn till heteroskedastiska data på ett mer lämpligt sätt.

Kategorier:

Prediktiv medelvärdesmatchning