研究人员推出了 ImputeViz，这是一个集成的可视化分析仪表板，旨在支持缺失模式的诊断、插补模型的配置以及结果的评估。该系统在交互式环境中集成了广泛使用的方法，如 MICE、Random Forest、XGBoost 和 kNN，使缺失结构显式化。

  • 该工具引入了 gKNN，这是一种受地理信息影响的 kNN 变体，它结合社会经济距离和空间距离，以实现基于来源的可视化可追溯性。
  • 协调视图通过热力图、共缺失摘要和分布诊断揭示缺失结构，帮助分析师推理 MCAR、MAR 和 MNAR 模式。
  • 用户可以通过分布叠加和方法比较摘要（报告每种算法的 MAE、RMSE、Delta RMSE 和运行时间）来比较和调整模型。
  • 按方法缓存的结果和锁定的轴刻度减少了在方法切换期间因范围变化而产生的认知负担。

案例研究展示了 ImputeViz 如何帮助分析师选择有效策略、揭示敏感变量并评估模型的鲁棒性。