• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Food Quality and Preference >Handling missing values in multiple factor analysis.
【24h】

Handling missing values in multiple factor analysis.

机译：在多因素分析中处理缺失值。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Handling missing values is an unavoidable problem in the practice of statistics. We focus on multiple factor analysis in the sense of Escofier and Pages (2008), a principal component method that simultaneously takes into account several multivariate datasets composed of continuous and/or categorical variables. The suggested strategy to deal with missing values, named regularised iterative MFA, is derived from a method available in principal component analysis which consists in alternating a step of estimation of the axes and components and a step of estimation of the missing values. The pattern of missing values considered can be structured with missing rows in some datasets. Some simulations and real examples that cover several situations in sensory analysis are used to illustrate the methodology. We focus on the important issue of the maximum number of products that can be assessed during an evaluation task
机译：在统计实践中，处理缺失值是不可避免的问题。我们专注于Escofier和Pages（2008）的意义上的多因素分析，这是一种主要成分方法，同时考虑了由连续和/或分类变量组成的多个多元数据集。建议的处理缺失值的策略（称为正则迭代MFA）是从主成分分析中可用的方法派生而来的，该方法包括轮流估算轴和分量的步骤以及估算缺失值的步骤。可以考虑在某些数据集中使用缺失的行来构造缺失值的模式。涉及感官分析中几种情况的一些模拟和实际示例用于说明该方法。我们专注于评估任务中可以评估的最大产品数量这一重要问题

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号