𝑫𝒐𝒏𝒏é𝒆𝒔 𝒎𝒂𝒏𝒒𝒖𝒂𝒏𝒕𝒆𝒔 : 𝒅é𝒄𝒐𝒖𝒗𝒓𝒆𝒛 𝒍’𝒊𝒎𝒑𝒖𝒕𝒂𝒕𝒊𝒐𝒏 𝑵𝑵𝑺, 𝒖𝒏𝒆 𝒂𝒍𝒕𝒆𝒓𝒏𝒂𝒕𝒊𝒗𝒆 𝒑𝒖𝒊𝒔𝒔𝒂𝒏𝒕𝒆

Les données manquantes constituent un problème fréquent dans presque tous les jeux de données, et peuvent fausser sérieusement les résultats statistiques si elles ne sont pas traitées correctement.

Une solution largement utilisée est l’imputation des données manquantes, qui consiste à estimer et remplacer les valeurs manquantes par des valeurs plausibles, plutôt que de supprimer les observations incomplètes.

Il existe de nombreuses méthodes d’imputation, et il est souvent difficile de choisir la plus adaptée à un jeu de données donné.
Une méthode que j’ai récemment découverte et qui présente des résultats très prometteurs est l’imputation NNS (Nonlinear Nonparametric Statistics).

L’imputation NNS repose sur une régression non linéaire et non paramétrique. Elle estime les valeurs manquantes en identifiant des relations locales optimales dans les données, sans supposer de linéarité ni d’homoscédasticité.
👉 Elle s’adapte donc très bien aux structures complexes, aux tendances non linéaires et aux variances hétérogènes.

L’illustration associée montre deux applications de l’imputation NNS :

·         À gauche, un jeu de données non linéaire avec 15 % de valeurs manquantes

·         À droite, un jeu de données hétéroscédastique avec 30 % de valeurs manquantes

Dans les deux cas, les valeurs imputées (en magenta) suivent de très près la structure des données observées (en noir), ce qui montre que la méthode parvient à reconstruire les dynamiques sous-jacentes, même dans des contextes difficiles.

👉 L’imputation NNS est disponible dans R via le package NNS, ce qui la rend facile à appliquer sur des données réelles.
Un grand merci à Fred Viole pour le développement de ce package remarquable.

À ce jour, il existe peu de travaux comparant l’imputation NNS à des méthodes plus établies comme le Predictive Mean Matching ou l’imputation par forêts aléatoires.
👉 Avez-vous déjà utilisé l’imputation NNS ?
👉 Comment se compare-t-elle, selon vous, aux autres approches ?

Si vous avez trouvé cette publication utile, n'hésitez pas à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 𝒆𝒕 à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 avec vos amis et collègues !

Pour mieux apprendre l’utilisation des logiciel et modèles statistiques, nous vous invitons à prendre part à la prochaine session de notre formation en 𝙀𝙘𝙤𝙣𝙤𝙢é𝙩𝙧𝙞𝙚 𝙚𝙩 𝙏𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚𝙨 𝙌𝙪𝙖𝙣𝙩𝙞𝙩𝙖𝙩𝙞𝙫𝙚𝙨

https://forms.gle/yZAZimRXbTFbUWZk6

 #𝐃𝐚𝐭𝐚𝐒𝐜𝐢𝐞𝐧𝐜𝐞 #𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐪𝐮𝐞𝐬 #𝐑𝐏𝐫𝐨𝐠𝐫𝐚𝐦𝐦𝐢𝐧𝐠 #𝐃𝐨𝐧𝐧é𝐞𝐬𝐌𝐚𝐧𝐪𝐮𝐚𝐧𝐭𝐞𝐬 #𝐌𝐚𝐜𝐡𝐢𝐧𝐞𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠