维姆

R包VIM:缺失值的可视化和插补。该软件包引入了新的工具来可视化缺失值和/或插补值,可用于探索缺失值和/或插补值的数据和结构。根据缺失值的这种结构,相应的方法可能有助于识别产生缺失的机制,并允许探索包含缺失值的数据。此外,还可以使用各种单变量、双变量、多变量和多变量绘图方法直观地探讨插补的质量。图形用户界面允许轻松处理已实现的绘图方法


zbMATH中的参考文献(参考文献22条,1标准件)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. Erler,N.S.,Rizopoulos,D.,Lesaffre,E.M.E.H.:JointAI:R中不完整数据的联合分析和插补(2021年)不是zbMATH
  2. 伦志新;Khattree,Ravindra:偏态数据的插补:多变量Lomax案例(2021年)
  3. MichałNarajewski,Jens-Kley-Holsteg,Florian Ziel:tsrobprep-一个用于时间序列数据稳健预处理的R包(2021)阿尔十四
  4. 王璐;周晓华:随机缺失响应的形状约束加性模型的估计(2021)
  5. 查、若臣;Harel,Ofer:多重插补数据中的功率计算(2021年)
  6. 坦普尔,M。;古森鲍尔,J。;Filzmoser,P.:零膨胀复杂数据鲁棒异常检测方法评估(2020)
  7. 杰格,拜伦·C。;朗,D.莱恩;长,达斯汀M。;西姆斯,马里奥;斯奇乔夫斯基,杰夫M。;民,元一;麦克卢尔,莱斯利A。;霍华德,乔治;西蒙,诺亚:倾斜随机生存森林(2019)
  8. 科贝克,普里莫兹;菲亚科,尼诺;索格罗鲁伊斯,克里斯蒂娜;米卡森,卡尔·伊文德;马弗,乌洛斯;波瓦雷·布尔赞,佩特拉;斯托泽,安德拉兹;詹森,罗伯特;斯考夫塞特,斯坦·奥拉夫;Stiglic,Gregor:手术部位感染(SSI)预测模型的可解释性和成本效益最大化,使用特征特定的正则化logistic回归对术前时间数据进行分析(2019年)
  9. 内西,提丁·阿古斯丁;伯特兰,弗里德里克;莫米·贝特朗,米里亚姆;Meyer,Nicolas:在不完全数据集上确定PLS回归中的成分数量(2019年)
  10. 帕雷拉,玛丽亚·露西亚;阿尔巴诺,朱塞皮纳;拉罗卡,米歇尔;Perna,Cira:在多元时间序列中重建缺失数据序列:在环境数据中的应用(2019)
  11. 伊伯特,艾莉莎;Vialaneix,Nathalie:探索、处理、插补和评估统计分析中的缺失数据:现有方法综述(2018)
  12. 费萨尔,沙赫拉;Tutz,Gerhard:定制最近邻基因表达数据缺失值插补(2017)
  13. Matthias Templ和Bernhard Meindl、Alexander Kowarik和Olivier Dupriez:合成复杂数据的模拟:R包simPop(2017)不是zbMATH
  14. Templ,Matthias:微观数据的统计披露控制。R中的方法和应用(2017)
  15. 亚历山大·科瓦里克;Matthias Templ:R包VIM插补(2016)不是zbMATH
  16. 朱莉·约瑟夫;弗朗索瓦·胡森:missMDA:多元数据分析中处理缺失值的软件包(2016)不是zbMATH
  17. 阿斯特,马可;博尼斯尼亚,马西莫;弗雷诺,安东尼诺;特伦丁,埃德蒙多:处理不完整数据的技术:教程和调查(2015)
  18. 图兹,格哈德;Ramzan,Shahla:《最近邻法缺失数据插补的改进方法》(2015)
  19. Cheng Xiaoyue Cheng和Dianne Cook和Heike Hofmann:使用图形用户界面直观地探索多变量数据中的缺失值(2015)不是zbMATH
  20. 安德烈亚斯·阿尔方斯;Matthias Templ:从复杂调查中估计社会排斥指标:R包laeken(2013)不是zbMATH