Eksik Veri Tiplerinde (MAR, MCAR, MNAR) Tamamlama Algoritmalarının Parametre Tahmin Analizi

Bu kitap, eksik veri tiplerinde (MAR, MCAR, MNAR) tamamlama algoritmalarının parametre tahmin analizini ele almaktadır. Eksik veri, bir veri setinde bazı gözlemlerin eksik olduğu durumu ifade eder. Kitap, eksik veri tiplerini tanımlayarak, eksik verinin tarihsel gelişimini ve mekanizmalarını açıklamaktadır. Eksik verileri yönetme yöntemleri de kitapta detaylı bir şekilde ele alınmaktadır. Geleneksel yöntemler arasında liste boyunca silme, çift yönlü silme, ortalama atama, regresyon atama, tahmini ortalama eşleştirme, soğuk deste ataması, en yakın komşu yöntemi gibi yöntemler bulunmaktadır. Kitap, eksik veri tiplerine özgü tamamlama algoritmalarını da incelerken, parametre tahmin analizi üzerinde durmaktadır. Bu kitap, eksik veri tipleri ve tamamlama algoritmaları hakkında kapsamlı bir kaynak olarak okuyuculara sunulmaktadır.

This book discusses parameter estimation analysis of completion algorithms for missing data types (MAR, MCAR, MNAR). Missing data refers to the situation where some observations are missing in a data set. The book defines the types of missing data and explains the historical development and mechanisms of missing data. The book also covers methods for managing missing data in detail. Traditional methods include listwise deletion, pairwise deletion, mean imputation, regression imputation, estimated mean matching, cold deck imputation, nearest neighbor method, and others. While examining completion algorithms specific to missing data types, the book focuses on parameter estimation analysis. This book is presented to readers as a comprehensive resource on missing data types and completion algorithms.