具體描述
本書圍繞“缺失數據”這一主題,用大部分篇幅闡述瞭處理缺失數據問題的新策略.作者在缺失數據的條件下迴顧最大似然估計,以一個經過仔細篩選的美國大專院校畢業率的數據為例,解釋瞭插補法的EM算法.隨後,作者解釋瞭多重插補方法,並討論瞭不可忽略的缺失數據.
著者簡介
圖書目錄
讀後感
評分
評分
評分
評分
評分
用戶評價
评分
提綱挈領。
评分相對來說，作為一本簡約的spss讀本，比較好。
评分分析現實數據時，常會遇到缺失數據（信息不完備數據）。我原來以為整列刪除法不夠高級，各種填補數據法纔高級。這本書卻不認可我的這種淺見。介紹瞭極大似然法（ML）和（期望最大法）EM法，以及多重填充法（MI）。好書推薦。
评分R裏麵有幾個包能做一些缺失數據的填補工作:amelia cat mix,算法有局限，如果不是很清楚，還是老辦法刪除是王道。
评分提綱挈領。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有