Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2507.13918v1

帮助 | 高级搜索

统计学 > 方法论

arXiv:2507.13918v1 (stat)
[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

Authors:Nico Föge, Markus Pauly
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。
摘要: Random Forests are renowned for their predictive accuracy, but valid inference, particularly about permutation-based feature importances, remains challenging. Existing methods, such as the confidence intervals (CIs) from Ishwaran et al. (2019), are promising but assume complete feature observation. However, real-world data often contains missing values. In this paper, we investigate how common imputation techniques affect the validity of Random Forest permutation-importance CIs when data are incomplete. Through an extensive simulation and real-world benchmark study, we compare state-of-the-art imputation methods across various missing-data mechanisms and missing rates. Our results show that single-imputation strategies lead to low CI coverage. As a remedy, we adapt Rubin's rule to aggregate feature-importance estimates and their variances over several imputed datasets and account for imputation uncertainty. Our numerical results indicate that the adjusted CIs achieve better nominal coverage.
主题: 方法论 (stat.ME)
引用方式: arXiv:2507.13918 [stat.ME]
  (或者 arXiv:2507.13918v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.13918
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Nico Föge [查看电子邮件]
[v1] 星期五, 2025 年 7 月 18 日 13:49:50 UTC (1,146 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号