Imputación múltiple en variables categóricas usando data augmentation y árboles de clasificación



Document title: Imputación múltiple en variables categóricas usando data augmentation y árboles de clasificación
Journal: Investigación operacional
Database: PERIÓDICA
System number: 000379142
ISSN: 0257-4306
Authors: 1
2
Institutions: 1Instituto de Cibernética, Matemática y Física, La Habana. Cuba
2Centro de Investigaciones y Referencia de Aterosclerosis de La Habana, La Habana. Cuba
Year:
Volumen: 31
Number: 2
Pages: 133-139
Country: Cuba
Language: Español
Document type: Artículo
Approach: Analítico, descriptivo
Spanish abstract Se presenta un método para resolver problemas de valores faltantes en datos categóricos. Es una variante de la Imputación Múltiple, que combina la acción de los Árboles de Clasificación (CA) y la implementación del algoritmo Data Augmentation para datos categóricos. Se describe el método y se compara a niveles teórico y práctico con los métodos que se utilizan actualmente en la literatura, a través del desarrollo de un ejemplo con una base ficticia utilizando la implementación en lenguaje R del método propuesto
English abstract It is a modication of common multiple imputation algorithms wh ich combines classification trees (CT) and data augmentation for categorical data. We describe the rationale of the method and compare it, on theoretical and practical grounds, with two of the most frequently used methods. We use a fictitious base and an “ad hoc" R-based software
Disciplines: Matemáticas
Keyword: Matemáticas aplicadas,
Algoritmos,
Datos categóricos
Keyword: Mathematics,
Applied mathematics,
Categorical data,
Algorithms
Full text: Texto completo (Ver PDF)