Adjacency-based regularization for partially ranked data with non-ignorable missing
Adjacency-based regularization for partially ranked data with non-ignorable missing
复制标题
针对具有不可忽略缺失的部分排序数据的基于邻接的正则化
DOI：
10.1016/j.csda.2019.106905
复制
发表时间：
2020
影响因子：
1.8
通讯作者：
and Fumiyasu Komaki
中科院分区：
文献类型：
--
作者：
Kento Nakamura;Keisuke Yano;and Fumiyasu Komaki
在分析排序数据时，我们经常会遇到数据部分排序的情况。将部分排序的数据视为缺失数据，本文解决了（可能）不可忽略的缺失机制下部分排序数据的参数估计。我们提出了完整排名和缺失机制的估计器以及简单的估计程序。所提出的过程利用基于部分排序数据背后的邻接结构的结构化正则化以及期望最大化算法。实验结果表明，所提出的估计器在不可忽略的缺失机制下工作良好。
In analyzing ranked data, we often encounter situations in which data are partially ranked. Regarding partially ranked data as missing data, this paper addresses parameter estimation for partially ranked data under a (possibly) non-ignorable missing mechanism. We propose estimators for both complete rankings and missing mechanisms together with a simple estimation procedure. The proposed procedure leverages the structured regularization based on an adjacency structure behind partially ranked data as well as the Expectation–Maximization algorithm. The experimental results demonstrate that the proposed estimator works well under non-ignorable missing mechanisms.
登录
查看更多内容
影响因子：
0.9
作者：
Jacques, Julien;Biernacki, Christophe
通讯作者：
Biernacki, Christophe
影响因子：
2.7
作者：
MALLOWS, CL
通讯作者：
MALLOWS, CL
使用部分排序数据的 Mallows 模型中的最大似然估计
DOI：
10.1007/978-1-4612-2738-0_6
发表时间：
1993
期刊：
--
影响因子：
--
作者：
L. Beckett
通讯作者：
L. Beckett
从部分观测数据中选择模型的新标准
影响因子：
1.8
作者：
Hidetoshi Shimodaira
通讯作者：
Hidetoshi Shimodaira
谱分析的推广及其在排序数据中的应用
影响因子：
4.5
作者：
P. Diaconis
通讯作者：
P. Diaconis