قدم الباحثون ImputeViz، وهو لوحة تحكم تحليل مرئي متكاملة مصممة لدعم تشخيص أنماط الفقدان، وتكوين نماذج التعويض، وتقييم النتائج. يدمج النظام طرقًا مستخدمة على نطاق واسع مثل MICE وRandom Forest وXGBoost وkNN في بيئة تفاعلية تجعل هياكل الفقدان صريحة.
- تقدم الأداة gKNN، وهو متغير لـ kNN مُستمد من المعلومات الجغرافية يجمع بين المسافات الاجتماعية الاقتصادية والمسافات المكانية لتمكين المساءلة المرئية المستندة إلى المصدر.
- تكشف المشاهد المنسقة عن هيكل الفقدان عبر خرائط حرارية وملخصات للفقد المشترك وتشخيصات توزيعية لمساعدة المحللين على الاستدلال حول أنماط MCAR وMAR وMNAR.
- يمكن للمستخدمين مقارنة النماذج وضبطها عبر تراكبات توزيعية وملخص مقارنة الطرق الذي يبلغ عن MAE وRMSE وDelta RMSE وزمن التشغيل لكل خوارزمية.
- تقلل النتائج المخزنة مؤقتًا لكل طريقة والمقاييس المحجوزة للمحاور من العبء المعرفي الناتج عن تغير النطاقات أثناء التبديل بين الطرق.
توضح دراسات الحالة كيف يساعد ImputeViz المحللين في اختيار استراتيجيات فعالة، وإبراز المتغيرات الحساسة، وتقييم متانة النماذج.