Wie gehe ich mit fehlenden Datenwerten in JMP um?Ich habe nur kategoriale fehlende Werte. Ich versuche die multivariate Normalimputation aber nicht alle Zeilen erhalten die multivariate Normalimputation. Was muss ich tun, um sicherzustellen, dass alle Zeilen in der Spalte sie erhalten?
Oder soll ich etwas ganz anderes machen?
Datenexploration und -visualisierungBetreff: Wie gehe ich mit fehlenden Datenwerten in JMP um?Für fehlende Werte;
1) Wenn ich die Zeilen mit fehlenden Werten für meine Analyse noch benötige, würde ich fehlende Werte durch Neucodierung wie „ungültig“ oder „leer“ ersetzen.
2) Wenn die kategorialen Zeilen mit fehlenden Werten zur Analyse gelöscht werden können, würde ich alle Zeilen mit fehlenden Werten entfernen, da dies zu einer ungenauen Darstellung für die Analyse führt.
Betreff: Wie gehe ich mit fehlenden Datenwerten in JMP um?Die Imputation fehlender kategorialer Werte stellt einige Optionen dar, und ich denke, die Auswahl hängt stark von den Fachkenntnissen ab.Wenn Sie bei einigen Analysen „informatives Fehlen“ verwenden, wird der fehlende Wert durch den häufigsten nicht fehlenden Wert im Datensatz ersetzt.Das ist selten sinnvoll und wahrscheinlich auch nicht das, was Sie sich vorstellen, da Sie versucht haben, die Daten zu modellieren, um die fehlenden Werte zu unterstellen.Wenn Sie über genügend Variablen und Daten verfügen, können Sie ein Vorhersagemodell ausprobieren, um die fehlenden kategorialen Werte als Funktionen der nicht fehlenden Daten vorherzusagen, indem Sie eines der verfügbaren Vorhersagemodelle verwenden (z. B. Partitionen, neuronale Netze usw.).Wenn sich alle fehlenden Werte auf eine einzelne Variable beziehen, funktioniert das möglicherweise. Befinden sich die fehlenden Werte jedoch in verschiedenen Spalten für verschiedene Beobachtungen, funktioniert das wahrscheinlich nicht gut.
Sie könnten versuchen, diese Beobachtungen auszuschließen, aber das hängt natürlich davon ab, wie viele Daten fehlen und auch vom Kontext des Problems und der Art der fehlenden Daten.Ich denke, dass der Vorschlag von WebDesignesCrow, fehlende Werte durch einen Wert (z. B. „missing“) zu ersetzen, im Allgemeinen am sinnvollsten ist.Dies erfordert keine Annahmen über die Art der fehlenden Daten und ermöglicht jede Analyse, die Sie durchführen, um die Relevanz (oder das Fehlen einer Relevanz) der fehlenden Daten aufzudecken.Vor ein paar Jahren gab es einen großartigen Vortrag von John Sall (Sie sollten ihn im Community-Forum finden) über „Geisterdaten“, der Ihnen vielleicht weitere Ideen geben könnte.
Betreff: Wie gehe ich mit fehlenden Datenwerten in JMP um?Danke für die Antwort.
Die Hälfte des Datensatzes enthält fehlende Werte.
Der Datensatz umfasst etwa 375.000 Zeilen und 20 Spalten
Betreff: Wie gehe ich mit fehlenden Datenwerten in JMP um?Ist die Dimensionsreduktion in diesem Fall sinnvoll?
Betreff: Wie gehe ich mit fehlenden Datenwerten in JMP um?Ich vermute, dass Sie daran interessiert sind, den Preis anhand dieser Daten vorherzusagen.Sie sollten mit den Vorhersagemodellen kein Problem haben, wenn Sie einfach die Option „Information fehlt“ verwenden.Weitere Details finden Sie hier: https://www.jmp.com/support/help/en/17.0/?os=win&source=application#page/jmp/informative-missing-2.shtml .Obwohl eine ausführlichere Behandlung fehlender Werte möglich ist, glaube ich nicht, dass diese in diesem Fall den Aufwand wert sind.Zumindest würde ich die Modelle zunächst untersuchen, um zu sehen, ob die Variablen, bei denen viele Daten fehlen, einen großen Einfluss haben – wenn ja, dann möchten Sie diese Variablen (und ihr Fehlen) vielleicht genauer untersuchen.
