Brakująca zasada danych

Z reguły, jeśli brakuje mniej niż 5% obserwacji, brakujące dane można po prostu usunąć bez żadnych istotnych konsekwencji (3).

1. Jaki procent brakujących danych jest dopuszczalny?
2. Ile brakujących danych jest dopuszczalne dla pojedynczej imputacji?
3. Jak radzisz sobie z 50% brakującymi danymi?

Jaki procent brakujących danych jest dopuszczalny?

Ile brakuje danych? Ważny jest ogólny procent braku danych. Zasadniczo, jeśli brakuje mniej niż 5% wartości, dopuszczalne jest ich ignorowanie (Ref).

Ile brakujących danych jest dopuszczalne dla pojedynczej imputacji?

Scheffer (2002) sugeruje, że pełne przypadki można zastosować, jeśli nie ma więcej niż 6% danych, pojedynczy imputacja, jeśli nie ma więcej niż 10% danych, i bardziej złożone procedury, takie jak wielokrotne przypisanie, jeżeli między 10% a 25% brakuje danych.

Jak radzisz sobie z 50% brakującymi danymi?

Uruchom modele predykcyjne, które przypisują brakujące dane. Należy to zrobić w połączeniu z pewnym schematem walidacji krzyżowej, aby uniknąć wycieku. Może to być bardzo skuteczne i może pomóc w końcowym modelu. Użyj liczby brakujących wartości w danym wierszu, aby utworzyć nową funkcję zaprojektowaną.