Imputação Multivariada: Uma Abordagem em Cascata

As aplicações atuais e a evolução tecnológica vêm promovendo a produção e o armazenamento de um grande volume de dados. Este cenário faz com que a existência de valores ausentes em registros das bases de dados inevitavelmente aumente. Estas lacunas prejudicam a análise dos dados, além de dificultar ou mesmo inviabilizar o processo de abstração de conhecimento a partir deles.

Desta forma, este trabalho tem por objetivo propor uma abordagem em cascata para tratar a imputação multivariada com reutilização dos valores imputados, bem como avaliar o impacto da ordem no processo de imputação e da reutilização dos valores imputados na correlação original da base de dados. Nesta abordagem o processo de imputação é precedido pela tarefa de agrupamento usando como critério a morfologia da ausência. Os casos incompletos são distribuídos em grupos considerando como critério de pertinência o conceito de morfologia da ausência neles existentes. A morfologia de ausência é um conceito aqui proposto para descrever a distribuição de valores presentes e ausentes nos atributos de um conjunto de casos. Portanto, os grupos são formados por casos similares quanto à forma de distribuição de seus atributos não preenchidos.

Os resultados experimentais mostram melhora da qualidade dos dados sugeridos pela imputação sequencial em cascata quando comparada com a imputação sequencial com e sem reutilização dos valores imputados.