人工ニューラルネットワークによる欠損データの処理

欠損データは、実世界のデータセットを扱う際に解決が難しい問題です。効果的なデータ学習を得るためには、欠損値を補完してデータ品質を向上させることが重要です。最近、深層学習は、大規模なデータセットにおける隠れた知識の発見や正確な予測を行うための最も効果的な機械学習技術として注目されています。私たちは、カテゴリカルな欠損データを補完するために「バックプロパゲーション人工ニューラルネットワーク」を使用しました。主な目的は、「ニューラルネットワーク」がカテゴリカルな欠損データを解決するために統計や機械学習とどれほど比較できるかを見ることです。「バックプロパゲーション」の結果は、複数の補完とランダムフォレストと比較されます。それは「訓練」データセットと「テスト」データセットの両方で一貫して他の方法を上回り、「ニューラルネットワーク」が「多変量解析」における「欠損値」の再構築に適していることを示しています。