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(引用于,1标准件)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. Jaeger,Byron C.;Long,D.Leann;Long,Dustin M.;Sims,Mario;Szychowski,Jeff M.;Min,Yuan-I;McClure,Leslie A.;Howard,George;Simon,Noah:斜向随机生存森林(2019年)
  2. 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Øywind;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;斯科罗夫斯特,斯坦·奥拉夫;斯蒂格利奇,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)
  3. Nengsih,Titin Agustin;Bertrand,Frédéric;Maumy Bertrand,Myriam;Meyer,Nicolas:在不完整数据集上确定PLS回归中的成分数量(2019年)
  4. Parrella,Maria Lucia;Albano,Giusepina;La Rocca,Michele;Perna,Cira:在多元时间序列中重建缺失数据序列:环境数据的应用(2019)
  5. Imbert,Alyssa;Vialaneix,Nathalie:《统计分析中缺失数据的探索、处理、插补和评估:现有方法综述》(2018年)
  6. Faisal,Shahla;Tutz,Gerhard:根据定制的最近邻对基因表达数据进行缺失值插补(2017年)
  7. Matthias Templ和Bernhard Meindl、Alexander Kowarik和Olivier Dupriez:合成复杂数据的模拟:R包simPop(2017)数学不是ZB
  8. Templ,Matthias:微观数据的统计披露控制。R中的方法和应用(2017)
  9. Alexander Kowarik;Matthias Templ:R包VIM的插补(2016)数学不是ZB
  10. Julie Josse;François Husson:missMDA:多变量数据分析中处理缺失值的软件包(2016)数学不是ZB
  11. 阿斯特,马可;博尼塞纳,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)
  12. Tutz,Gerhard;Ramzan,Shahla:最近邻法缺失数据插补的改进方法(2015年)
  13. 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)数学不是ZB
  14. Andreas Alfons;Matthias Templ:从复杂调查中估计社会排斥指标:R包laeken(2013)数学不是ZB
  15. Stef van Buuren;Karin Groothuis Oudshoorn:小鼠:通过R中的链式方程进行多元插补(2011年)数学不是ZB
  16. Todorov,Valentin;Templ,Matthias;Filzmoser,Peter:不完全信息商业调查数据中的多元异常值检测(2011)ioport公司