缺失数据填补新方法：递归特征消除+随机森林，也许更优！

2024-2025 课程介绍

可预开发票，郑老师团队2024-25年科研统计课程预告，含机器学习、轨迹模型等。11.30-12.1 R语言构建机器模型课程开启

数据集中的缺失值对数据分析带来了重大挑战，特别是在数据准确性对患者诊断和治疗至关重要的医疗领域。尽管MissForest（MF）在填补研究中被证明是有效的，递归特征消除（RFE）在特征选择中被证明是有效的，但通过RFE集成来增强MF的潜力仍未被探索。

11月8日，我们看到在期刊《BMC Medical Research Methodology》（医学三区，IF=3.9）发表了题为“A novel MissForest-based missing values imputation approach with recursive feature elimination in medical applications”的研究论文，这篇文章通过结合随机森林和递归特征消除，性能超过了传统的MICE，即使用默认方法的MICE。

结果表明，新的填补方法——递归特征消除-随机森林（recursive feature elimination-MissForest, RFE-MF）有望成为医疗数据集的有效插补方法，为解决医疗应用中缺失数据的挑战提供了一种新的方法。

如果你需要全文，请公众号后台回复关键词“pdf”。如果您在统计分析过程中遇到难题，郑老师的统计团队可以提供帮助！详情可咨询助教，微信号：aq566665

缺失数据，定义为在给定的观测值中没有记录变量的数据点。这个普遍存在的问题跨越了各个领域。在医学研究中，数据缺失带来了重大挑战，可能影响后续的统计分析和预测模型。这些挑战具有广泛影响，影响临床决策过程，并最终影响患者医疗质量。医学研究中的数据缺失问题迫切需要科学的方法来解决。

传统缺失值插补方法各有优缺

目前，许多学者开发并实施了各种缺失值估算（MVI）技术，旨在用衍生估计值取代缺失值，从而保持数据集的完整性和实用性。在医学领域，传统的几种方法被广泛应用，包括均值/众数插补法、k近邻（kNN）、链式方程多重插补（MICE）。