老鼠

R包装小鼠:链式方程的多元归责。使用完全条件规范(FCS)由鼠标算法实现的多重填补。每个变量都有自己的归责模型。内置的填补模型提供连续数据(预测平均匹配,正常),二进制数据(logistic回归),无序分类数据(多分类logistic回归)和有序分类数据(比例赔率)。小鼠也可以归咎于连续两级数据(正常模型,PAN,第二级变量)。被动归责可以用来保持变量之间的一致性。各种诊断图可用于检查注册表的质量。


ZBMaX中的参考文献(105篇)1标准条款

显示结果1至20的105。
按年份排序(引文
  1. 王,孝敬镇;Dy,Dipak K.:利用高斯过程模型学习缺失协变量的半参数回归(2020)
  2. 江,魏;Josse,朱莉;Lavielle,贾景晖;创伤组:缺失协变量的Logistic回归——联合建模框架内的参数估计、模型选择和预测(2020)
  3. CuI,Ruifei;布库尔,Ioan Gabriel;Groot,Perry,Hekes,汤姆:一种新的贝叶斯方法用于混合变量缺失值的隐变量建模(2019)
  4. 阿卜杜拉耶·迪亚洛,Alpha Oumar;DIOP,Aliou;迪皮,Jeang-弗兰Cou-OIS:零变量二项回归的协变量缺失估计(2019)
  5. Hadrien Lorenzo,J.R.O.Me Saracco,Rodolphe Thi E.Baut:多块不完全数据的监督学习(2019)阿西夫
  6. Jorge Cimentada:PelCalc:从分类变量估计百分位数的R包(2019)不是ZB数学
  7. Kocheturov,Anton;帕达洛斯,Panos M.;Karakitsiou,安乐死:计算生物医学的海量数据集和机器学习:趋势和挑战(2019)
  8. Parrella,Maria Lucia;阿尔巴诺,Giuseppina;La RoCCA,米歇尔;PelNA,CIRA:重构多变量时间序列中缺失数据序列:环境数据的应用(2019)
  9. Carpenter,杰姆斯·R:离散数据的多重填补:联合潜在正态模型的评价(2019)
  10. 拉宾,Neta;Fishelov,戴利亚:双向拉普拉斯金字塔及其在数据填补中的应用(2019)
  11. Ramosaj、布林、Pauly、Markus:缺失值预测:非参数归责方法的比较研究(2019)
  12. Teter,Michael D.;RuSSET,Johannes O.;纽曼,Alexandra M.:基于风险优化的专家启发模型不确定性(2019)
  13. THAO,L.Ti-Piuu;Gekus,罗纳德:在多重推断数据存在下预测模型选择方法的比较(2019)
  14. Uiwon Hwang、Dahuin Jung、Sungroh Yoon:HexaGAN:现实世界分类的生成对抗网(2019)阿西夫
  15. Ardakani,Omid M.;Kishor,昆丹;宋,苏勇:重新评估通货膨胀目标的有效性(2018)
  16. 奥迪吉尔、文森特、怀特、Ian R.、Jolani、Shahab、Debray、Thomas P. A.、夸塔诺、Matteo、Carpenter、杰姆斯、van Buuren、Stef、RESCH-RIGON、FIL:多个连续和二元变量数据的多重填补(2018)
  17. 伯特西马斯,Dimitris;鲍洛夫斯基,柯林;Zhuo,Ying Daisy:从预测方法到缺失数据填补:最优化方法(2018)
  18. Geraci,马珂;McLain,亚力山大:有界变量的多重归责(2018)
  19. G.Mez RuBio,ViGiLIO;RuE,H.VARAR:马尔可夫链蒙特卡洛,具有嵌套的拉普拉斯近似(2018)
  20. 安贝尔,艾丽莎;Vialayix,娜塔丽:统计分析中缺失数据的探索、处理、灌输和评估:现有方法评述(2018)