Accompanying note : Model-based Clustering with Missing Not At Random Data

Sportisse, Aude; Marbac, Matthieu; Laporte, Fabien; Celeux, Gilles; Boyer, Claire; Biernacki, Christophe; Josse, Julie

Document type :

Pré-publication ou Document de travail

Title :

Accompanying note : Model-based Clustering with Missing Not At Random Data

Author(s) :

Sportisse, Aude [Auteur]
Université Côte d'Azur [UniCA]
Modèles et algorithmes pour l’intelligence artificielle [MAASAI]
Marbac, Matthieu [Auteur]
Centre de Recherche en Economie et Statistique [Bruz] [CREST]
Ecole Nationale de la Statistique et de l'Analyse de l'Information [Bruz] [ENSAI]
Centre National de la Recherche Scientifique [CNRS]
Laporte, Fabien [Auteur]
Nantes Université [Nantes Univ]
ITX-lab unité de recherche de l'institut du thorax UMR1087 UMR6291 [ITX-lab]
Centre National de la Recherche Scientifique [CNRS]
Celeux, Gilles [Auteur]
Université Paris-Saclay
Statistique mathématique et apprentissage [CELESTE]
Boyer, Claire [Auteur]
Sorbonne Université [SU]
Laboratoire de Probabilités, Statistique et Modélisation [LPSM (UMR_8001)]
Méthodes numériques pour le problème de Monge-Kantorovich et Applications en sciences sociales [MOKAPLAN]
Biernacki, Christophe [Auteur]
Université de Lille
Centre National de la Recherche Scientifique [CNRS]
MOdel for Data Analysis and Learning [MODAL]
Josse, Julie [Auteur]
Institut Desbrest de santé publique [IDESP]
Médecine de précision par intégration de données et inférence causale [PREMEDICAL]

Publication date :

2023-12-21

English keyword(s) :

Model-based Clustering
Informative Missing Values
EM and Stochastic EM Algorithms
Medical Data

HAL domain(s) :

Mathématiques [math]/Statistiques [math.ST]
Informatique [cs]/Apprentissage [cs.LG]

English abstract : [en]

This document is the accompanying note of the main paper "Model-based Clustering with Missing Not At Random Data". We assume the data missing not at random (MNAR) values, i.e. the effect of missingness depends on on the ...
Show more >This document is the accompanying note of the main paper "Model-based Clustering with Missing Not At Random Data". We assume the data missing not at random (MNAR) values, i.e. the effect of missingness depends on on the missing values themselves.An example includes clinical data collected in emergency situations, where doctors may choose to treat patients before measuring heart rate: the missingness of heart rate depends on the missing heart rate itself. For such a setting, the observed data are therefore not representative of the population. The main paper focuses on the specific MNARz setting, for which the only effect of missingness is on the class membership; in this document, we give some details for other MNAR settings.Show less >

Language :

Anglais

ANR Project :

3IA Côte d'Azur
MUSE

Collections :