文件名称：3dmice:纵向多变量EHR数据的数据插补缺失。 JAMIA中的纸张
文件大小：13KB
文件格式：ZIP
更新时间：2024-05-18 13:51:15
machine-learning imputation gaussian-processes ehr-data R
3D-MICE：横截面和纵向插补的整合 要求 代码是用R编写的。 开始使用 要训练，跑步（最好以R减价跑步） source('tempMICEGPEvalTr.R') 这是一个包装器代码，调用各种子例程来生成训练数据，掩盖缺失值并执行3D-MICE插补，每个步骤都包装在其自己的R源文件中，并且应该是不言自明的。 同样地，进行训练，跑步（最好以R降级的方式跑步） source('tempMICEGPEvalTe.R') 引文 @article{luo20173d, title={3D-MICE: integration of cross-sectional and longitudinal imputation for multi-analyte longitudinal clinical data}, author={Luo, Yuan and Szolovits, Pe
【文件预览】：
3dmice-master
----src()
--------tempMICEGPEvalTe.R(626B)
--------tempMICEGPEvalTr.R(613B)
--------temporalMICEGP.R(8KB)
--------mghtsConfigRelax.R(1KB)
--------selfDeNorm.R(701B)
--------stdDeNorm.R(311B)
--------constructPtTensor.R(879B)
--------maskPtTensorImport.R(2KB)
--------evalPtTensorImpImportTrTe.R(3KB)
--------selfNorm.R(784B)
--------splitTrainTestTensor.R(357B)
--------miceCrossSectionInit.R(2KB)
--------ciSelfDeNorm.R(776B)
--------ciStdDeNorm.R(290B)
--------stdNorm.R(481B)
----LICENSE(1KB)
----README.md(933B)