罗德里克·利特尔。 关于大数据集插补的算法和建模方法。 （英语） Zbl 1464.62533号 统计正弦。 30，第4期，1685-1696（2020）. 摘要：机器学习和统计建模文化为统计分析提供了对比方法。在本刊的一篇文章中，W.-Y.Loh先生等【Stat.Sin.29，No.1，431-453（2019；Zbl 1412.62080号)]在设置大数据集插补时比较这些方法，推荐机器学习方法。所有比较的方法都会做出假设，我注意到，与基于树的机器学习方法相比，基于模型的方法对这些假设的评估更为关键。我特别讨论了不同方法所隐含的关于缺失数据机制的假设。考虑到抛弃不完整案例的方法的相对强大性能，以及对相关设计空间的有限探索，我质疑从模拟研究中得出一般结论的程度。 MSC公司： 62兰特 大数据和数据科学的统计方面 62H30型 分类和区分；聚类分析（统计方面） 62D10号 缺少数据 68T05型 人工智能中的学习和自适应系统 关键词：插补；缺少数据；机器学习；无响应加权；树和森林方法 引文：Zbl 1412.62080号 PDF格式BibTeX公司 XML格式引用 \textit{R.J.Little}，统计罪。30，第4号，1685--1696（2020；Zbl 1464.62533） 全文： 内政部 链接