missing data填补的评价标准

一个表格有许多列，有missing values。
如果用一种算法填补上这些missing values， 如何衡量哪种算法是最好的呢？
采用什么指标来衡量？ 我能想到的是RMSE， 还有其他的指标吗？

missing的行数少的话，drop这些行。 实在需要补上的话，可以用mean， mode，median之类的数值去补足。 Missing的这些行，因为没有ground truth，无法判断补足的误差。可以random选一些没有missing的行，假设它们有missing，补足后算误差。 取决于这一列的分布，RMSE用来衡量高斯分布的连续变量，其它分布用对应的loss function。

不多的话直接throw away the data point entirely；多的话可以 用mean/median，缺点是有可能bias，不嫌麻烦的用regression predict

可以把你的算法apply到没有missing的row，这样你就有了ground truth来evaluate
另外imputation可以试试MissForest

可以把你的算法apply到没有missing的row，这样你就有了ground truth来evaluate
另外imputation可以试试MissForest
luyang199608 发表于 2022-01-21 14:02

谢谢！ missForest用nrmse来评价填补的性能。 除了这个rmse，nrmse，还有哪些性能指标，最好必须用来衡量填补的性能呢？

multiple imputation

multiple imputation
媲 发表于 2022-01-21 15:01

如何评估MI就是最好的呢？