예측 평균 일치

시리즈의 일부
기계 학습 및 데이터 마이닝
패러다임 지도 학습 비지도 학습 온라인 학습 배치 학습 준지도 학습 자기 지도 학습 강화 학습
문제 분류 회귀 클러스터링 치수 축소 밀도 추정 이상 검출 데이터 클리닝 자동 ML 어소시에이션 규칙 구조화된 예측 기능 엔지니어링 기능 학습 순위 매기기 학습 문법 유도
지도 학습 (분류 • 회귀) 의사결정 트리 앙상블 배깅 부스팅 랜덤 포레스트 k-NN 선형 회귀 네이비 베이즈 인공신경망 로지스틱 회귀 분석 퍼셉트론 관련 벡터 머신(RVM) 서포트 벡터 머신(SVM)
클러스터링 버치 치유하다 계층적 k자형 흐릿하다 기대 최대화(EM) DBSCAN 광학 평균 이동
치수 축소 인자 분석 CCA ICA LDA NMF PCA PGD t-SNE SDL
구조화된 예측 그래픽 모델 베이즈 네트 조건부 랜덤 필드 히든 마르코프
이상 검출 랜섬 k-NN 국소 특이치 계수 격리림
인공신경망 자동 인코더 인지 컴퓨팅 딥 러닝 딥 드림 다층 퍼셉트론 RNN LSTM GRU ESN 저장고 계산 제한 볼츠만 기계 GAN somerset. 컨볼루션 뉴럴 네트워크 유넷 트랜스포머 비전. 스파이킹 뉴럴 네트워크 메모리 트랜지스터 전기화학 RAM(ECRAM)
강화 학습 Q-러닝 사사 시간차(TD) 멀티 에이전트 셀프 플레이
인간과의 학습 액티브 러닝 크라우드 소싱 휴먼 인 더 루프
모델 진단 학습 곡선
이론. 커널 머신 바이어스-분산 트레이드오프 컴퓨터 학습 이론 경험적 리스크 최소화 오컴 러닝 PAC 학습 통계학 학습 VC 이론
기계학습장 NeurolIPS ICML ICLR ML JMLR
관련 기사 인공지능 용어집 기계 학습 연구를 위한 데이터 세트 목록 기계학습의 개요
v t

예측 평균 매칭(PMM)^[1]은 결측값에 대해 널리^[2] 사용되는 통계적 귀속 방법이며, 도널드 B가 최초로 제안했다.1986년에는^[3] 루빈이, 1988년에는 ^[4]R. J. A. 리틀이.

데이터에서 ^[5]샘플링된 실제 값을 도출하여 귀속을 통해 데이터 집합에 유입되는 편견을 줄이는 것을 목표로 한다.이것은 결과 변수가 결측값이 ^[1]있는 관측치의 결과와 일치하는 관측치의 작은 부분 집합을 구성함으로써 달성됩니다.

다른 귀속 방법과 비교하여, 일반적으로 덜 신뢰할 수 있는 값(예: 음의 소득)을 귀속시키고 이질적인 데이터를 더 ^[6]적절하게 고려한다.

레퍼런스