Learning from data with structured missingness

缺少数据 计算机科学 机器学习 数据科学
作者
Robin Mitra,Sarah F. McGough,Tapabrata Chakraborti,Chris Holmes,Ryan Copping,Niels Hagenbuch,Stefanie Biedermann,Jack Noonan,Brieuc Lehmann,Aditi Shenvi,Xuan Vinh Doan,David Leslie,Ginestra Bianconi,Rubén J. Sánchez-García,Alisha Davies,Maxine Mackintosh,Eleni‐Rosalina Andrinopoulou,Anahid Basiri,Chris Harbron,Ben D. MacArthur
出处
期刊:Nature Machine Intelligence [Nature Portfolio]
卷期号:5 (1): 13-23 被引量:70
标识
DOI:10.1038/s42256-022-00596-z
摘要

Missing data are an unavoidable complication in many machine learning tasks. When data are ‘missing at random’ there exist a range of tools and techniques to deal with the issue. However, as machine learning studies become more ambitious, and seek to learn from ever-larger volumes of heterogeneous data, an increasingly encountered problem arises in which missing values exhibit an association or structure, either explicitly or implicitly. Such ‘structured missingness’ raises a range of challenges that have not yet been systematically addressed, and presents a fundamental hindrance to machine learning at scale. Here we outline the current literature and propose a set of grand challenges in learning from data with structured missingness. Gathering big datasets has become an essential component of machine learning in many scientific areas, but it is unavoidable that some data values are missing. An important and growing effect that needs careful attention, especially when heterogeneous data sources are combined, is that of structured missingness, where data values are missing not at random, but with a specific structure.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
77发布了新的文献求助10
刚刚
浮云发布了新的文献求助10
刚刚
刚刚
刚刚
出口的胖猪完成签到,获得积分10
1秒前
lililil发布了新的文献求助10
1秒前
2秒前
Finny发布了新的文献求助10
2秒前
3921337477的应助被u181采纳,获得60
2秒前
优秀健柏完成签到,获得积分10
2秒前
打打的应助被dmdgling采纳,获得10
2秒前
田様的应助被soulword采纳,获得30
3秒前
充电宝的应助被蘇打采纳,获得10
3秒前
3秒前
我是老大的应助被小番茄采纳,获得10
3秒前
西柚柚又柚完成签到,获得积分10
3秒前
蟹寒樂发布了新的文献求助10
5秒前
5秒前
6秒前
6秒前
6秒前
8秒前
melo完成签到,获得积分10
8秒前
汉堡包的应助被淡然的念云采纳,获得10
9秒前
10秒前
buni发布了新的文献求助10
10秒前
搜集达人的应助被散光不近视采纳,获得10
12秒前
江11111完成签到,获得积分10
12秒前
妤懿完成签到 ,获得积分10
12秒前
u181发布了新的文献求助60
13秒前
跳跃雯发布了新的文献求助10
14秒前
77完成签到,获得积分20
14秒前
14秒前
fossil完成签到,获得积分10
14秒前
烟花的应助被香辣鸡腿堡采纳,获得10
14秒前
14秒前
希望天下0贩的0的应助被369ninja采纳,获得10
15秒前
15秒前
bbd发布了新的文献求助10
16秒前
哈哈完成签到,获得积分10
17秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8184438
求助须知:如何正确求助?哪些是违规求助? 9573431
关于积分的说明 21831358
捐赠科研通 7781438
什么是DOI,文献DOI怎么找? 3434354
关于科研通互助平台的介绍 2558444
邀请新用户注册赠送积分活动 2480881