Para peneliti telah memperkenalkan ImputeViz, sebuah dasbor analitik visual terintegrasi yang dirancang untuk mendukung diagnosis pola kehilangan, konfigurasi model imputasi, dan evaluasi hasil. Sistem ini mengintegrasikan metode-metode yang banyak digunakan seperti MICE, Random Forest, XGBoost, dan kNN dalam lingkungan interaktif yang membuat struktur kehilangan menjadi eksplisit.
- Alat ini memperkenalkan gKNN, varian kNN yang diinformasikan secara geografis yang menggabungkan jarak sosioekonomi dan spasial untuk memungkinkan akuntabilitas visual berbasis provenance.
- Tampilan terkoordinasi mengungkapkan struktur kehilangan melalui heatmap, ringkasan ko-kehilangan, dan diagnostik distribusi untuk membantu analis bernalar tentang pola MCAR, MAR, dan MNAR.
- Pengguna dapat membandingkan dan menyetel model melalui overlay distribusi dan Ringkasan Perbandingan Metode yang melaporkan MAE, RMSE, Delta RMSE, dan waktu eksekusi untuk setiap algoritma.
- Hasil yang di-cache per metode dan skala sumbu yang dikunci mengurangi beban kognitif dari rentang yang berubah selama pengalihan metode.
Studi kasus menunjukkan bagaimana ImputeViz membantu analis memilih strategi yang efektif, menyoroti variabel sensitif, dan menilai ketahanan model.