누락 데이터 진단 및 보간 방법 비교를 위한 ImputeViz 시각적 분석 대시보드

연구자들은 누락 패턴 진단, 보간 모델 구성 및 결과 평가를 지원하도록 설계된 통합 시각적 분석 대시보드인 ImputeViz를 소개했습니다. 이 시스템은 MICE, Random Forest, XGBoost, kNN과 널리 사용되는 방법들을 누락 구조를 명시적으로 드러내는 상호작용 환경에 통합합니다.

• 이 도구는 사회경제적 거리와 공간적 거리를 결합하여 출처 기반 시각적 책임성을 가능하게 하는 지리 정보 기반 kNN 변형인 gKNN을 도입합니다.
• 조정된 뷰는 히트맵, 공동 누락 요약 및 분포 진단을 통해 누락 구조를 드러내어 분석가가 MCAR, MAR, MNAR 패턴에 대해 추론하는 데 도움을 줍니다.
• 사용자는 분포 오버레이와 각 알고리즘의 MAE, RMSE, Delta RMSE, 실행 시간을 보고하는 Method Comparison Summary를 통해 모델을 비교하고 조정할 수 있습니다.
• 방법별 결과 캐싱과 고정된 축 스케일은 방법 전환 중 범위 변화로 인한 인지 부하를 줄입니다.

사례 연구는 ImputeViz가 분석가가 효과적인 전략을 선택하고 민감한 변수를 드러내며 모델의 강건성을 평가하는 데 어떻게 도움이 되는지를 보여줍니다.