Key points are not available for this paper at this time.
랜덤 포레스트(RF) 결측 데이터 알고리즘은 결측 데이터를 보완하는 매력적인 접근법입니다. 이들은 다양한 유형의 결측 데이터를 처리할 수 있는 바람직한 특성을 가지고 있으며, 상호작용과 비선형성에 적응할 수 있고, 대규모 데이터 환경에 확장할 수 있는 잠재력을 가지고 있습니다. 현재 다양한 RF 보간 알고리즘이 있지만, 그 효능에 대한 지침은 상대적으로 적습니다. 광범위하고 다양한 데이터 세트를 사용하여, 다양한 RF 알고리즘의 보간 성능을 서로 다른 결측 데이터 메커니즘 하에서 평가했습니다. 알고리즘에는 근접 보간, 즉시 보간, 다변량 비지도 및 지도 분할을 활용한 보간이 포함되며, 후자의 클래스는 missForest라는 새로운 유망한 보간 알고리즘의 일반화를 나타냅니다. 우리의 연구 결과는 RF 보간이 일반적으로 강건하며, 상관관계가 증가함에 따라 성능이 개선됨을 보여줍니다. 성능은 보통에서 높은 결측 상태에서 좋았고, 심지어(특정 경우에) 데이터가 무작위가 아닐 때도 좋았습니다.
Tang et al. (Tue,)은 이 질문을 연구했습니다.