首页> 外文OA文献 >A new method of imputation for the missing value in the IN/OUT procedure of the Random Forest (RF)

【2h】

A new method of imputation for the missing value in the IN/OUT procedure of the Random Forest (RF)

机译：随机林进出过程中缺失值的新方法（RF）

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Amjad Ali; Qamruz Zaman;
展开▼
作者单位

展开▼
年度 2019
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. A New Method of Imputation for the Missing Value in the IN/OUT Procedure of the Random Forest (RF) [J] . Amjad Ali, Qamruz Zaman Indian Journal of Science and Technology . 2019,第14期

机译：随机森林（RF）输入/输出过程中缺失值的一种新估算方法
2. Mapping change of older forest with nearest-neighbor imputation and Landsat time-series. (Special Issue: Emerging methods for handling missing data in forest ecology and management applications.) [J] . Ohmann J. L., Gregory M. J., Roberts H. M., Forest Ecology and Management . 2012,第Null期

机译：用最近邻插补法和Landsat时间序列映射旧森林的变化。（特刊：森林生态学和管理应用中处理缺失数据的新兴方法。）
3. Restricted imputation for improving spatial consistency in landscape level data for forest scenario analysis. (Special Issue: Emerging methods for handling missing data in forest ecology and management applications.) [J] . Barth A., Lind T., Stahl G. Forest Ecology and Management . 2012,第Null期

机译：限制插补，以提高用于森林情景分析的景观水平数据的空间一致性。（特刊：森林生态学和管理应用中处理缺失数据的新兴方法。）
4. Random Forest Missing Data Imputation Methods: Implications for Predicting At-Risk Students [C] . Bevan I. Smith, Charles Chimedza, Jacoba H. Bührmann International Conference on Intelligent Systems Design and Applications . 2020

机译：随机森林缺失数据估算方法：对预测风险学生的影响
5. Extension of the Regression Method for Imputation of Data with Monotone Missing Pattern using Multivariate Adaptive Regression Splines (MARS), with Applications to Systematic- Missing-At-Random (SMAR) Study Designs [D] . Lu, Feng. 2013

机译：利用多元自适应回归样条（MARS）扩展单调缺失模式数据插补的回归方法，并应用于系统随机缺失研究（SMAR）研究设计
6. Random forest-based imputation outperforms other methods for imputing LC-MS metabolomics data: a comparative study [O] . Marietta Kokla, Jyrki Virtanen, Marjukka Kolehmainen, 2019

机译：基于随机森林的估算优于其他估算LC-MS代谢组学数据的方法：一项比较研究
7. The impact of imputation procedures with machine learning methods on the performance of classifiers: An application to coronary artery disease data including missing values [O] . Jale Bektas, Turgay Ibrikci, Ismail Turkay Ozcan 2018

机译：用机器学习方法对分类器性能的估算方法的影响：冠状动脉疾病数据的应用，包括缺失值

A new method of imputation for the missing value in the IN/OUT procedure of the Random Forest (RF)

著录项

引文网络

相似文献

相关主题

期刊订阅