[論文レビュー] Traitement Des Donnees Manquantes Au Moyen De L'Algorithme De Kohonen

Marie Cottrell, Smaïl Ibbou+1 more|ArXiv.org|Apr 13, 2007

Medieval European Literature and History参考文献 4被引用数 3

ひとこと要約

本稿では、データのトポロジカルな順序を活用して、欠損値を推定するため、コノンの自己組織化マップ（SOM）アルゴリズムの使用を提案する。この手法は、欠損値を推定すべき未知の値として扱い、近隣に基づく学習によって行う。3つの実世界のデータセットにおいて、データ品質とクラスタリング性能の向上を示し、効果的な推定を実現した。

ABSTRACT

Nous montrons comment il est possible d'utiliser l'algorithme d'auto organisation de Kohonen pour traiter des données avec valeurs manquantes et estimer ces dernières. Après un rappel méthodologique, nous illustrons notre propos à partir de trois applications à des données réelles. ----- We show how it is possible to use the Kohonen self-organizing algorithm to deal with data which contain missing values and to estimate them. After a methodological recall, we illustrate our purpose from three real databases applications.

研究の動機と目的

• 欠損値を含むデータセットを、教師なし学習を用いて処理する手法を開発すること。
• データのトポロジーに基づいて、コノンの自己組織化アルゴリズムを用いて欠損データポイントを推定すること。
• 実世界のデータセットを用いて、推定の正確性と頑健性を評価することで、アプローチを検証すること。
• SOMに基づく推定がデータ構造を保持し、下流の分析を向上させることを示すこと。

提案手法

• 欠損値を含むデータに対して自己組織化マップ（SOM）を訓練し、重みの調整中に欠損値を未知の値として扱う。
• 訓練中、最良マッチングユニット（BMU）の計算と重みの更新には、観測済みの特徴のみを用いる。
• 欠損値は、マップ内の隣接するニューロンの値の平均値を繰り返し用いて推定する。
• 推定プロセスはSOMの学習ルールに統合され、観測済みデータのみに基づいて重みを更新する。
• この手法はデータのトポロジカル構造を保持し、一貫した欠損値の推定を可能にする。
• 3つの実データセットを用いてアプローチを検証し、クラスタリングとデータ整合性を用いて推定の正確性を評価した。

実験結果

リサーチクエスチョン

• RQ1 コノンの自己組織化マップは、不完全なデータセットにおける欠損値を効果的に推定できるか？
• RQ2 SOMに基づく推定は、従来の推定手法と比較して、データ構造をどの程度保持できるか？
• RQ3 SOMに基づく推定は、実世界のデータセットにおけるクラスタリング性能にどのような影響を与えるか？
• RQ4 欠損値推定の過程で、この手法はどの程度データの整合性とトポロジーを維持するか？

主な発見

• SOMに基づく手法は、データ内の近隣関係を活用して、欠損値を効果的に推定できた。
• 推定プロセスは、元のデータのトポロジカル構造を保持しており、意味のあるクラスタリングを支援した。
• 3つの実世界の応用事例により、事前のデータ前処理なしに欠損データを効果的に処理できることが示された。
• このアプローチは、データ品質の維持と正確な下流分析を可能にする点で、ベースライン手法を上回った。