imputation - 您使用哪种算法通过链式方程 (MICE) 进行多重插补是否重要

Question

我见过用不同类型的算法实现的 MICE，例如 RandomForest 或 Stochastic Regression 等。

我的问题是，哪种类型的算法（即一种算法表现最好）是否重要？有经验证据吗？我正在努力在网上找到任何信息

谢谢

标签： imputationr-mice

Answer 1

是的，（取决于您的任务）您选择哪种算法可能非常重要。

你也可以肯定，mice如果有一种算法总是表现最好，开发人员不会努力提供不同的算法。因为，当然，就像在机器学习中一样，“没有免费的午餐定理”也与插补有关。

一般来说，您可以说，鼠标的默认设置通常是一个不错的选择。

从miceRanger Vignette 中查看此示例，了解不同算法的插补可以相差多远。（真实分布用红色标记，各自的多重插补用黑色标记）

例如，预测均值匹配 (pmm) 算法确保仅出现估算值，这些值确实在数据集中。例如，这很有用，其中只有像 0,1,2,3 这样的整数值出现在数据中（并且两者之间没有值）。其他算法不会这样做，因此在进行回归时，它们还将提供插值，如右图所示（因此它们将提供例如 1.1、1.3、...等插补值）这两种解决方案都可能存在某些缺点. 这就是为什么事后实际评估插补性能很重要的原因。在小鼠中有几个诊断图可以做到这一点。