دورية أكاديمية
A Study on Missing Data Problem in Random Forest ; Rasgele Orman Yönteminde Eksik Veri Probleminin İncelenmesi
| العنوان: | A Study on Missing Data Problem in Random Forest ; Rasgele Orman Yönteminde Eksik Veri Probleminin İncelenmesi |
|---|---|
| المؤلفون: | ÖZEN, Hülya, BAL, Cengiz |
| المصدر: | Volume: 42, Issue: 1 103-109 ; 1305-4953 ; 2587-1579 ; Osmangazi Tıp Dergisi |
| بيانات النشر: | Eskişehir Osmangazi University Eskişehir Osmangazi Üniversitesi |
| سنة النشر: | 2020 |
| المجموعة: | DergiPark Akademik (E-Journals) |
| مصطلحات موضوعية: | knn imputation method,Missing value,proximity matrix,Random Forests, knn Atama Yöntemi,Eksik Değer,Yakınlık Matrisi,Random Forests |
| الوصف: | Random Forest is an ensemble methodthat combines many trees constructed from bootstrap samples of the originaldata. Random Forest is used for both classification and regression and providesmany advantages such as having a high accuracy, calculating a generalizationerror, determining the important variables and outliers, performing supervisedand unsupervised learning and imputing missing values with an algorithm basedon proximity matrix. In this study, we aimed to compare the proximity basedimputation method of Random Forest with k nearest neighbor imputation prior tofitting. Therefore, simulation studies were performed for a classificationproblem under various scenarios including different percentage of missingvalues, number of neighbors and correlation structures between predictorvariables. The results showed that for highly correlated structures proximitymatrix based imputation method should be used meanwhile k nearest neighborimputation method should be preferred for low and medium correlated structures. ; Rasgele Orman, orijinalverilerin bootstrap örneklerinden oluşturulmuş pek çok karar ağacını bir arayagetiren bir topluluk yöntemidir. Rasgele Orman, hem sınıflandırma hem deregresyon için kullanılır ve yüksek doğruluk oranı elde etme, genelleme hatasıhesaplama, önemli değişkenleri ve aykırı değerleri belirleme, danışmanlı vedanışmansız öğrenmeyi gerçekleştirme ve yakınlık matrisine dayalı bir algoritmaile eksik gözlemlere değer atama gibi birçok avantaj sağlar. Bu çalışmada,Rasgele Orman’ın yakınlık matrisi temelli atama yöntemini, model kurulumundanönce kullanılan en yakın komşu ile değer atama yöntemiyle karşılaştırmayıamaçladık. Bu nedenle, farklı eksik değer yüzdeleri, komşuluk sayısı vetahminci değişkenler arasındaki korelasyon yapıları dahil olmak üzere çeşitlisenaryolar altında bir sınıflandırma problemi için simülasyon çalışmasıyapılmıştır. Sonuçlar, yüksek korelasyonlu yapılar için yakınlık matrisitabanlı atama yönteminin kullanılması gerektiğini, orta ve düşük korelasyonluyapılar için ise en yakın ... |
| نوع الوثيقة: | article in journal/newspaper |
| وصف الملف: | application/pdf |
| اللغة: | English |
| العلاقة: | https://dergipark.org.tr/tr/download/article-file/661404Test; https://dergipark.org.tr/tr/pub/otd/issue/50546/496524Test |
| DOI: | 10.20515/otd.496524 |
| الإتاحة: | https://doi.org/10.20515/otd.496524Test https://dergipark.org.tr/tr/pub/otd/issue/50546/496524Test |
| رقم الانضمام: | edsbas.C573B7B7 |
| قاعدة البيانات: | BASE |
| DOI: | 10.20515/otd.496524 |
|---|