Název:
Imputation Of Missing Values In Clinical Data
Překlad názvu:
Imputation of missing values in clinical data
Autoři:
BIRKLBAUER, Micha Johannes Typ dokumentu: Bakalářské práce
Rok:
2019
Jazyk:
cze
Abstrakt: Imputation of missing data is a crucial step in data analysis since many statistical methods require complete datasets. In that regard MissForest imputation is a powerful tool that seems to outperform most other imputation approaches. This analysis evaluates how good imputation using MissForest is compared to other methods like imputation by Multivariate Imputation by Chained Equations (MICE), Restricted Boltzmann Machines (RBM) or the standard strawman (mean) imputation in a clinical dataset that is used to predict the mortality of patients after heart valve surgery.
Klíčová slova:
clinical data; imputation; machine learning; mice; missforest; missing data; multivariate imputation by chained equations; rbm; restricted boltzmann machine; clinical data; imputation; machine learning; mice; missforest; missing data; multivariate imputation by chained equations; rbm; restricted boltzmann machine Citace: BIRKLBAUER, Micha Johannes. Imputation Of Missing Values In Clinical Data. České Budějovice, 2019. bakalářská práce (Bc.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Přírodovědecká fakulta
Instituce: Jihočeská univerzita v Českých Budějovicích
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v digitálním repozitáři JČU. Původní záznam: http://www.jcu.cz/vskp/55039