Missing Values Imputation Suite

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F12%3A00203560" target="_blank" >RIV/68407700:21110/12:00203560 - isvavai.cz</a>

Výsledek na webu

<a href="http://kix.fsv.cvut.cz/~kaiser/asw12_mvis" target="_blank" >http://kix.fsv.cvut.cz/~kaiser/asw12_mvis</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Missing Values Imputation Suite

Popis výsledku v původním jazyce

The software is used for missing values imputation in data sets containing both categorical and continuous attributes. Three methods for missing values imputation are implemented. The first method uses most common attribute value for missing values imputation in categorical data. The second method uses combination of most common attribute value and average value for missing values imputation in both categorical and continuous attributes.The third method uses effective algorithm using combination of association rules and most common atribute value method. The algorithm uses discretization of continuous attributes and allows conversion of estimated categories back to numerical values. This allows using dependencies among categorical and continuous attributes and may be used for missing values imputation in both categorical and continuous attributes. Function for testing the dependency of missing values imputation accuracy on requirement of minimal support of association rules is included

Název v anglickém jazyce

Missing Values Imputation Suite

Popis výsledku anglicky

The software is used for missing values imputation in data sets containing both categorical and continuous attributes. Three methods for missing values imputation are implemented. The first method uses most common attribute value for missing values imputation in categorical data. The second method uses combination of most common attribute value and average value for missing values imputation in both categorical and continuous attributes.The third method uses effective algorithm using combination of association rules and most common atribute value method. The algorithm uses discretization of continuous attributes and allows conversion of estimated categories back to numerical values. This allows using dependencies among categorical and continuous attributes and may be used for missing values imputation in both categorical and continuous attributes. Function for testing the dependency of missing values imputation accuracy on requirement of minimal support of association rules is included

Druh

R - Software

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

mvis12

Technické parametry

Visual basic, MS Excel, Licenční podmínky na http://kix.fsv.cvut.cz/~kaiser/asw12_mvis

Ekonomické parametry

Ekonomický přínos závisí na důležitosti doplnění chybějících hodnot pro další analýzu dat a také na potřebě přesnosti doplněných hodnot, potřebě práce s datovými soubory s různou strukturou atributů včetně kategoriálních a spojitých a potřebě využití různých metod pro doplňování chybějících hodnot. Lepší odhad chybějících hodnot může zamezit ztrátám v rozhodovacích procesech i v řádu desetitisíců nebo statisícu Kč.

IČO vlastníka výsledku

68407700

Název vlastníka

ČVUT FSv