多重插补：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=多重插补|nodeimage=Multiple Imputation.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Multiple Imputation|abbreviation=MI|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::综合分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个…”）
 
无编辑摘要
 
（未显示同一用户的6个中间版本）
第1行： 第1行：
{{Infobox nodebasic|nodename=多重插补|nodeimage=Multiple Imputation.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Multiple Imputation]]|abbreviation=MI|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::综合分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个完整数据集，在每个数据集中利用线性回归（lm)或广义线性规格（glm)等方法进行插补建模，再将这些完整的模型整合到一起，评价插补模型的优劣并返回完整数据集。该方法主要利用程辑包mice中的mice函数进行。\n用途：不仅仅估计一个可能的值来填补缺失数据，而是创建多个不同的完整数据集，每个数据集中的缺失值都被可能的值替代。\n参数：选择多个需要插补的变量，和多个参加插补的变量</p>|nodeinputnumber=4|nodeoutputnumber=2|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=PointSizePlot;DensityRangePlot;BarDodgePlot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu;Text|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/多重插补_Plus|previousnode=[[碎石检验]]|nextnode=[[倾向性评分匹配]]}}{{Navplate AlgorithmNodeList}}[[Category:综合分析]]
{{Infobox nodebasic  
|nodename=多重插补
|nodeimage=Multiple Interpolation.png
|icon=Multiple Interpolation.svg
|simpleicon=Multiple Interpolation_Pure.svg
|developer=Dev.Team-DPS
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=Multiple Interpolation
|abbreviation=MultiIpo
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::综合分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个完整数据集，在每个数据集中利用线性回归（lm)或广义线性规格（glm)等方法进行插补建模，再将这些完整的模型整合到一起，评价插补模型的优劣并返回完整数据集。该方法主要利用程辑包mice中的mice函数进行。</p><p>用途：不仅仅估计一个可能的值来填补缺失数据，而是创建多个不同的完整数据集，每个数据集中的缺失值都被可能的值替代。</p><p>参数：选择多个需要插补的变量，和多个参加插补的变量</p>
|nodeinputnumber=4
|nodeoutputnumber=2
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=PointSizePlot;DensityRangePlot;BarDodgePlot
|nodeavailabletablelist=Table_For_Downstream
|nodeconfiguration=VariableList;DropMenu;Text
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/多重插补
|previousnode=[[筛查自变量共线性]]
|nextnode=[[拆分训练测试集]]
}}
 
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:综合分析]]

2024年1月19日 (五) 19:25的最新版本

Multiple Interpolation.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
多重插补Multiple Interpolation.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Multiple Interpolation
功能主类别数据分析
英文缩写MultiIpo
功能亚类别综合分析
节点类型数据挖掘
开发语言R
节点简介

利用蒙特卡洛模拟法（MCMC)将原始数据插补成几个完整数据集，在每个数据集中利用线性回归（lm)或广义线性规格（glm)等方法进行插补建模，再将这些完整的模型整合到一起，评价插补模型的优劣并返回完整数据集。该方法主要利用程辑包mice中的mice函数进行。

用途：不仅仅估计一个可能的值来填补缺失数据，而是创建多个不同的完整数据集，每个数据集中的缺失值都被可能的值替代。

参数：选择多个需要插补的变量，和多个参加插补的变量

端口数量与逻辑控制(PC)
Input-入口4个
Output-出口2个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点筛查自变量共线性
下一节点拆分训练测试集
WikimediaUI-Globe.svg相关网站





查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=多重插补&oldid=6136”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:25。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].