多重插补的直观问题

Question

我读过很多关于多重插补的文章，我认为互联网上对该方法的解释并不那么全面。我对此有一些疑问，如果您能帮助我，我会很高兴。

我们来看看下面的代码：

 library(missForest)
 library(mic)
 #taking iris data 
 data <- iris
 #Randomly pick values for NA
 iris.mis <- prodNA(iris, noNA = 0.1) 
 #Turning on multiple imputation
 imputed_Data <- mice(iris.mis, m=5, maxit = 50, method = 'pmm', seed = 500)

在哪里：

m - 每个缺失观测值的插补数（5 是正常的 - 生成 5 个具有插补值/原始值的数据集）

maxit - 迭代次数

方法 - 我们使用可能的手段

seed - 随机生成的值

据我了解 method = 'pmm' 平均结果， 但我无法理解运行该功能时到底发生了什么。你能解释一下我们正在处理的算法吗？ m 和 maxit 到底负责什么？

Answer 1

正如 jay.sf 指出的那样，PMM 是预测均值匹配，它是一种算法，它试图根据其他列中的现有数据来预测估算指标的“可能平均值”。这类似于其他高级插补方法，这些插补方法不是简单地为每个插补取一个常数值（例如，平均插补）。这会导致每个案例的插补值不同，并且具有一些固有的随机性/错误。

为了改善该错误并减少方差，插补不是“一次”而是多次进行。

m 表示产生的估算变体的数量。例如。使用m = 5，您将获得五个插补数据集，它们的插补略有不同。

maxit 是算法能够学习和改进的最大迭代次数，类似于 ML 模型中的时期/迭代次数。