missForest

-blue.svg)

missForest, R dilinde karışık tipte tablosal veriler için parametrik olmayan bir tamamlama yöntemidir. Sayısal ve kategorik değişkenleri aynı anda işler; gözlemlenenlerden eksik verileri tahmin etmek için rastgele ormanları yinelemeli olarak eğitir. Açık bir modelleme varsayımı veya matris ayrıştırması yoktur—sadece kutudan çıktığı gibi iyi çalışan güçlü kestirimsel tabanlar kullanılır.

• Herhangi bir sayısal ve faktör sütunu karışımıyla çalışır
• Doğrusal olmayanlıkları ve etkileşimleri yakalar
• Çanta dışı (OOB) tamamlama hatasını raporlar (NRMSE/PFC)
• Paralel yürütmeyi destekler (değişken başına veya orman başına)
• İki orman altyapısı: ranger (varsayılan) ve randomForest (eski/uyumluluk)

Kurulum

# CRAN (recommended)
install.packages("missForest")
Development version (from GitHub)
install.packages("remotes")
remotes::install_github("stekhoven/missForest")

Quick start

library(missForest)
Example data
data(iris)
Introduce ~20% MCAR missingness
set.seed(81)
iris_mis <- prodNA(iris, noNA = 0.20)
Impute with default backend (ranger)
imp <- missForest(iris_mis, xtrue = iris, verbose = TRUE)
Imputed data
head(imp$ximp)
Estimated OOB errors (NRMSE for numeric, PFC for factors)
imp$OOBerror
True error if xtrue was provided (for benchmarking only)
imp$error

Bir arka uç seçmek

# Legacy behavior using randomForest
imp_rf <- missForest(iris_mis, backend = "randomForest")
Explicitly use ranger with limited threads
imp_rg <- missForest(iris_mis, backend = "ranger", num.threads = 2)

Paralelleştirme

parallelize aracılığıyla iki mod mevcuttur:

• "variables": farklı değişkenler için ormanları paralel olarak oluşturur (bir foreach arka ucu kaydedin).
• "forests": tek bir değişkenin ormanı içinde paralelleştirme yapar (ranger iş parçacıkları; veya randomForest için foreach alt-ormanları).

# Not run:
library(doParallel)
registerDoParallel(2)
imp_vars <- missForest(iris_mis, parallelize = "variables", verbose = TRUE)
imp_fors <- missForest(iris_mis, parallelize = "forests",  verbose = TRUE, num.threads = 2)

API genel bakış

missForest(xmis, ...)

Çekirdek imputasyon fonksiyonu.

Temel argümanlar:

• xmis — eksik değer içeren veri çerçevesi/matrisi (sütunlar numeric veya factor olmalı).
• maxiter — maksimum iterasyon sayısı (varsayılan 10).
• ntree — orman başına ağaç sayısı (varsayılan 100).
• mtry — her bölmede denenen değişken sayısı (varsayılan sqrt(p)).
• nodesize — uzunluk-2 sayısal: c(numeric, factor) için minimum düğüm boyutu. Varsayılan c(5, 1).
• variablewise — TRUE ise değişken başına OOB hatası döndürür.
• parallelize — "no", "variables" veya "forests".
• num.threads — ranger için iş parçacığı ( randomForest tarafından dikkate alınmaz).
• backend — "ranger" (varsayılan) veya "randomForest".
• xtrue — karşılaştırma için isteğe bağlı tam veri ( $error ekler).

• ntree → num.trees
• nodesize → min.bucket (regresyon/sınıflandırma için ayrı ayrı; varsayılan c(5,1))
• sampsize (sayılar) → sample.fraction (oranlar; tümü veya sınıf başına)
• classwt → class.weights
• cutoff olasılık ormanları uydurularak ve eşik sonrası işlemle ele alınır

Yardımcılar

• mixError(ximp, xmis, xtrue) — gerçek eksik girdilerde NRMSE (sayısal) ve PFC (faktör) hesaplar.
• nrmse(ximp, xmis, xtrue) — sadece sürekli veriler için NRMSE hesaplar.
• prodNA(x, noNA = 0.1) — bir veri çerçevesine MCAR eksiklik enjekte eder.
• varClass(x) — her sütun için "numeric"/"factor" döndürür.

İpuçları & en iyi uygulamalar

• Karakter sütunlarını missForest çağırmadan önce faktöre dönüştürün.
• Geniş veri için parallelize = "variables" seçeneğini düşünün. Derin/pahalı ağaçlar için parallelize = "forests" seçeneğini düşünün.
• Yarı-tekrarlanabilir sonuçlar için bir seed belirleyin:

  set.seed(123); imp <- missForest(x)
  ``
Prototipleme sırasında yinelemeyi hızlandırmak için ntree değerini düşürebilirsiniz.
---
Atıf
missForest kullanıyorsanız, lütfen aşağıdaki kaynağı atıf yapın:
 Stekhoven, D. J. & Bühlmann, P. (2012). MissForest—karışık tipte veriler için parametrik olmayan eksik değer ataması.* Bioinformatics, 28(1), 112–118. https://doi.org/10.1093/bioinformatics/btr597
Paketi de şu şekilde atıf yapabilirsiniz:

Contributing

Issues and pull requests are welcome. Please include a minimal reproducible example when reporting bugs. For performance discussions, share small benchmarks and session info.

License

GPL (≥ 2)

Contact

Daniel J. Stekhoven — stekhoven@nexus.ethz.ch

--- Tranlated By Open Ai Tx | Last indexed: 2026-07-17 ---