统计学 > 方法论
[提交于 2025年7月18日
]
标题: 缺失数据下的随机森林置换重要性的置信区间
标题: Confidence Intervals for Random Forest Permutation Importance with Missing Data
摘要: 随机森林以其预测准确性而闻名,但关于基于排列的特征重要性的有效推断仍然具有挑战性。 现有的方法,例如Ishwaran等人(2019)提出的置信区间(CIs),是有希望的,但假设所有特征都完全观测到。 然而,现实世界的数据通常包含缺失值。 在本文中,我们研究了常见的插补技术在数据不完整时对随机森林排列重要性置信区间有效性的影响。 通过广泛的模拟和真实世界基准研究,我们在各种缺失数据机制和缺失率下比较了最先进的插补方法。 我们的结果表明,单次插补策略导致置信区间覆盖度较低。 作为解决方法,我们将Rubin规则适应于在多个插补数据集中汇总特征重要性估计及其方差,并考虑插补不确定性。 我们的数值结果表明,调整后的置信区间实现了更好的名义覆盖度。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.