शोधकर्ताओं ने ImputeViz पेश किया है, जो एक एकीकृत विज़ुअल एनालिटिक्स डैशबोर्ड है जिसका डिज़ाइन गायब होने के पैटर्न के निदान, इम्प्यूटेशन मॉडलों की कॉन्फ़िगरेशन और परिणामों के मूल्यांकन का समर्थन करने के लिए किया गया है। सिस्टम MICE, Random Forest, XGBoost और kNN जैसे व्यापक रूप से उपयोग किए जाने वाले तरीकों को एक इंटरैक्टिव वातावरण में एकीकृत करता है जो गायब होने की संरचनाओं को स्पष्ट बनाता है।
- उपकरण gKNN पेश करता है, एक भौगोलिक रूप से सूचित kNN विविधता जो सामाजिक-आर्थिक और स्थानिक दूरियों को मिलाती है ताकि उत्पत्ति-आधारित विज़ुअल जवाबदेही सक्षम हो सके।
- समन्वित दृश्य हीटमैप्स, सह-गैर-उपलब्धता सारांश और वितरण निदान के माध्यम से गायब होने की संरचना को प्रकट करते हैं ताकि विश्लेषकों को MCAR, MAR और MNAR पैटर्न पर तर्क करने में मदद मिल सके।
- उपयोगकर्ता वितरण ओवरले और विधि तुलना सारांश (प्रत्येक एल्गोरिथ्म के लिए MAE, RMSE, Delta RMSE और रनटाइम की रिपोर्टिंग) के माध्यम से मॉडलों की तुलना और ट्यूनिंग कर सकते हैं।
- विधि-वार कैश किए गए परिणाम और लॉक किए गए अक्ष स्केल विधि स्विच करते समय बदलते हुए रेंज से होने वाले संज्ञानात्मक ओवरहेड को कम करते हैं।
केस स्टडीज़ दिखाती हैं कि ImputeViz विश्लेषकों को प्रभावी रणनीतियों का चयन करने, संवेदनशील चरों को उजागर करने और मॉडल की दृढ़ता का आकलन करने में कैसे सहायता करता है।