自動數據插補：JMP® Pro 14 中用於處理缺失值的多功能工具 (US 2018 130)級別：中級
Milo Page，JMP 研究統計師開發人員，SAS
JMP Pro 14 包括一個新的自動數據插補 (ADI) 實用程序，這是一種多功能、憑經驗調整的流式缺失數據插補方法。 我們建議將其作為預測模型擬合的預處理步驟來處理缺失數據。 即使存在丟失數據，它也會根據經驗調整您的數據集以提取底層結構。 它還尊重訓練和驗證分區，並與預測模型無縫對接。 它是使用強大的矩陣完成方法開發的，並添加了一些擴展以實現穩健性和靈活性。 本演講將重點討論 ADI 何時適用以及如何在 JMP Pro 14 中使用它。 我還將概述處理缺失值數據的推薦工作流程，並在一些示例中展示 ADI 的性能。
預測建模爆發回复：自動數據插補：JMP® Pro 14 中用於處理缺失值的多功能工具 (US 2018 130)你好菲利斯，
我可以幫助解答你的問題，我是 Milo 的博士。導致在 JMP Pro 中創建 ADI 的研究顧問。
如果我理解得很好，你的意思是先將訓練集和測試集中的數據分開以估算缺失值。 劃分數據後，您是否僅將 ADI 方法應用於訓練數據。
工作流程是轉到“創建驗證列”平台來設置將行劃分為訓練/驗證集的數據表列。 當您啟動探索缺失值時，請在驗證角色中設置該列。 ADI 算法將 PCA 類型的模型擬合到訓練集，並使用驗證集來調整模型，例如確定降維的最佳排名。
那麼你在驗證和測試集上做什麼呢？
當我在建模過程的下一步中繼續擬合神經網絡或引導森林模型等監督學習算法時，我建議使用相同的訓練/驗證或訓練/驗證/測試數據分區。 正如預測建模組件一樣，插補是建模過程的一部分。 在監督學習步驟中使用相同的行劃分為訓練/驗證/測試集是確保我們對整個建模練習的擬合優度進行相同程度的獨立評估的一種方法。
流式估算驗證/測試集是什麼意思？
也許我們的語言在這裡不太清楚。 發生的情況是，ADI 將保存一個公式列，該公式列創建現有列的估算版本。 這意味著您可以使用 Tables<
此過程立即發生在數據 ADI 的訓練/驗證/測試部分。 因此，您可以使用列的估算版本直接進行建模，而不必過多擔心丟失的單元格。 ADI很聰明。 它使用驗證行來確定所使用的降維的等級。 如果列是獨立的，或者對於線性降級來說太混亂，它會計算出來並簡單地估算列的訓練平均值。
回复：自動數據插補：JMP® Pro 14 中用於處理缺失值的多功能工具 (US 2018 130)@米洛已離開 SAS。 也許@chris_gotwalt1可以在這裡回答。
回复：自動數據插補：JMP® Pro 14 中用於處理缺失值的多功能工具 (US 2018 130)再見米洛
我發現你的 pdf 文件非常有趣。
您能否向我提供有關下面這張幻燈片中報告的流程的更多詳細信息？
如果我理解得很好，你的意思是先將訓練集和測試集中的數據分開以估算缺失值。 劃分數據後，您是否僅將 ADI 方法應用於訓練數據。 正確的？
那麼你在驗證和測試集上做什麼呢？
流式估算驗證/測試集是什麼意思？
感謝您的幫助。菲利斯
