研究人员推出了一种新颖的迭代方法 FLOWGEM，旨在从包含随机缺失 (MAR) 值的数据中生成完整数据集。该方法旨在通过最小化在各种缺失模式下观测数据分布与生成数据分布之间的 Kullback-Leibler 散度来恢复正确的数据分布。FLOWGEM 利用 Wasserstein 梯度流的粒子演化，其中速度场由局部线性估计器近似，在模拟和真实基准测试中均表现出最先进的性能，尤其适用于非单调 MAR 机制。 AI
影响 提出了一种原则性且实用的改进数据插补的方法，有望提高下游机器学习分析的可靠性。
排序理由 这是一篇研究论文，详细介绍了一种处理机器学习中缺失数据的新方法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
