Pesquisadores introduziram o ImputeViz, um painel integrado de análise visual projetado para apoiar o diagnóstico de padrões de ausência de dados, a configuração de modelos de imputação e a avaliação de resultados. O sistema integra métodos amplamente utilizados como MICE, Random Forest, XGBoost e kNN em um ambiente interativo que torna explícitas as estruturas de ausência.
- A ferramenta introduz o gKNN, uma variante do kNN informada geograficamente que combina distâncias socioeconômicas e espaciais para permitir a responsabilização visual baseada na proveniência dos dados.
- Visualizações coordenadas revelam a estrutura de ausência por meio de mapas de calor, resumos de co-ausência e diagnósticos distribucionais para ajudar analistas a raciocinar sobre padrões MCAR, MAR e MNAR.
- Os usuários podem comparar e ajustar modelos por meio de sobreposições distribucionais e um Resumo de Comparação de Métodos que relata MAE, RMSE, Delta RMSE e tempo de execução para cada algoritmo.
- Resultados em cache por método e escalas de eixo bloqueadas reduzem a sobrecarga cognitiva decorrente da mudança de intervalos durante a troca de métodos.
Estudos de caso demonstram como o ImputeViz ajuda analistas a selecionar estratégias eficazes, expor variáveis sensíveis e avaliar a robustez do modelo.