291719_zh-TW

liliconcom

插補算法的詳細信息

有人知道插補的工作原理嗎？我的意思是背後的方程式？

 

我嘗試了一個非常簡單的數據集：

 

X	ÿ
1個	1個
2	2
3	。
4	4
5	5

 

我做了帶有收縮的多元正態分佈，它很好地填充了Y = 3的缺失值。

 

然後我做了同樣的事情：

 

X	ÿ
1個	1個
2	2
3	3
4	。
5	5

 

 

結果為Y = 3.584。  

 

我想知道有關多元正態插補算法工作原理的詳細信息，但我在任何地方都找不到任何簡單的解釋。  有什麼線索嗎？

回复：關於插補算法的詳細信息

的例程多元正態歸因（） 是由 @ chris_gotwalt1 要么 @clay_barker 。當需要數據插補時，我在Multivariate中將此例程稱為“例程”。

 

我猜您希望估算的值與其旁邊的值相同。這種期望是不現實的。

 

想想正常以該功能的名義，並設想一個普通的CDF，以您的情況為中心，以3為中心，極限為1和5。僅3是精確值。其他則處於極限。這是非常簡單的，目的是讓您感覺到它，而不是它實際上如何工作。

 

我無法詳細說明Multivariate Normal Impute（）的工作原理，但是估算值是受均值，協方差影響，並受最小值和最大值限制。

 

我創建了以下jsl以幫助演示其工作原理。

 

///////////////////////////////////////// JSL explains how data is imputed by Multivariate Normal Impute    ////////////////////////////////////////////////////
 
/***************************************************************************************
 
       y = Multivariate Normal Impute( yVec, meanYvec, symCovMat, colMin, colMax )
 
       Returns a response vector with imputed values for the missing values in the
       [[yVec]] vector of responses. Imputations are based on a multivariate normal
       distribution with mean vector [[meanYvec]] and symmetric covariance matrix [[symCovMat]].
       Optional arguments [[colMin]] and [[colMax]] are the respective vectors of column minimums
       and maximums. These arguments provide bounds for the imputations."
 
******************************************************************************************/
 
//Imputation example
matFull=[1 1,
       2 2,
       3 3,
       4 4,
       5 5
];
 
for (i=1, i<=N Row( matFull), i++,
 
       mat=matFull;
       mat[i,2]=.;
 
       //calculate a variance
       cov = Covariance(
             mat,
             <

 

回复：關於插補算法的詳細信息

謝謝 @jianfeng_ding ！這非常有幫助。  我可以“看到”它現在如何工作。

 

傑瑞