ProJect: a powerful mixed-model missing value imputation method
Missing values (MVs) can adversely impact data analysis and machine-learning model development. We propose a novel mixed-model method for missing value imputation (MVI). This method, ProJect (short for Protein inJection), is a powerful and meaningful improvement over existing MVI methods such as Bay...
محفوظ في:
المؤلفون الرئيسيون: | Kong, Weijia, Wong, Bertrand Jern Han, Hui, Harvard Wai Hann, Lim, Kai-Peng, Wang, Yulan, Wong, Limsoon, Goh, Wilson Wen Bin |
---|---|
مؤلفون آخرون: | School of Biological Sciences |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2023
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/171093 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Is using multiple imputation better than complete case analysis for estimating a prevalence (risk) difference in randomized controlled trials when binary outcome observations are missing?
بواسطة: Mukaka, Mavuto, وآخرون
منشور في: (2017) -
Dealing with missing values in proteomics data
بواسطة: Kong, Weijia, وآخرون
منشور في: (2023) -
The importance of batch sensitization in missing value imputation
بواسطة: Hui, Harvard Wai Hann, وآخرون
منشور في: (2023) -
Evaluating network-based missing protein prediction using p-values, Bayes Factors, and probabilities
بواسطة: Goh, Wilson Wen Bin, وآخرون
منشور في: (2023) -
EVALUATION AND COMPARISON OF DATA IMPUTATION METHODS ON ACXIOM DATASET
بواسطة: DENG YUAN
منشور في: (2021)