Dữ liệu bị cắt bỏ

Tính toán dữ liệu là một phương pháp phân tích thống kê giúp điền vào các điểm dữ liệu còn thiếu. Kỹ thuật này được sử dụng để thay thế dữ liệu bị thiếu bằng các giá trị có thể ước tính được về mặt thống kê, duy trì tính chính xác và đầy đủ của bộ dữ liệu. Mặc dù việc quy định dữ liệu có thể hữu ích nhưng nó cũng gây ra rủi ro gây sai lệch cho tập dữ liệu do sử dụng một tập hợp con dữ liệu nhỏ để ước tính tổng thể lớn hơn.

Việc cắt bỏ dữ liệu được sử dụng chủ yếu trong bối cảnh phân tích dự đoán, trong đó tính sẵn có của dữ liệu có thể bị hạn chế hoặc không đầy đủ. Việc tính toán cho phép dự đoán chính xác trong quy trình phân tích dự đoán. Nếu không tính toán, việc phân tích một tập dữ liệu có các giá trị bị thiếu có thể sẽ dẫn đến những dự đoán không chính xác do các 'lỗ hổng' trong tập dữ liệu.

Tuy nhiên, việc xử lý dữ liệu không phải lúc nào cũng lý tưởng. Các giá trị được chèn để thay thế các điểm dữ liệu bị thiếu có thể tạo ra kết quả không chính xác hoặc sai lệch. Vì vậy, điều quan trọng là phải đánh giá rủi ro sai lệch trước khi cho rằng dữ liệu được đưa ra là sự thể hiện hợp lệ của dữ liệu gốc mà nó đang thay thế.

Phương pháp phổ biến nhất được sử dụng để xác định dữ liệu là thay thế giá trị trung bình. Đây là hình thức quy đổi đơn giản nhất, thay thế giá trị còn thiếu bằng giá trị trung bình của tất cả các giá trị hiện tại khác. Các phương pháp khác được sử dụng để cắt cụt bao gồm k-hàng xóm gần nhất và cắt cụt đa biến. Độ phức tạp của các kỹ thuật này có thể khác nhau tùy thuộc vào kích thước và cấu trúc của tập dữ liệu được đề cập.

Việc xác định dữ liệu là điều cần thiết để đảm bảo rằng các bộ dữ liệu hoàn chỉnh khi sử dụng mô hình dự đoán, nhưng điều quan trọng là phải triển khai kỹ thuật này một cách có trách nhiệm. Bộ dữ liệu cần phải được kiểm tra kỹ lưỡng trước khi đưa ra bất kỳ quyết định nào dựa trên các giá trị được thay thế. Khi thích hợp, có thể là một quyết định sáng suốt khi xem xét các phương pháp thay thế như cắt hoặc loại bỏ một cột hoặc bỏ qua hoàn toàn dự đoán nếu dữ liệu bị thiếu quá lớn hoặc các đặc điểm của dữ liệu không khớp với phương pháp quy nạp được sử dụng.