Buchumschlag

Constructing a T-test for Value Function Comparison of Individualized Treatment Regimes in the Presence of Multiple Imputation for Missing Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Minxin, Howard, Annie Green, Gordon-Larsen, Penny, Meyer, Katie A., Tien, Hsiao-Chuan, Du, Shufa, Wang, Huijun, Zhang, Bing, Kosorok, Michael R.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Methodology Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Constructing a T ‐Test for Value Function Comparison of Individualized Treatment Regimes in the Presence of Multiple Imputation for Missing Data
von: Minxin Lu, et al.
Veröffentlicht: (2025)

Machine Learning for Missing Value Imputation
von: Ahmad, Abu Fuad, et al.
Veröffentlicht: (2024)

Missing Value Imputation With Adversarial Random Forests— MissARF
von: Pegah Golchian, et al.
Veröffentlicht: (2026)

Multi-View Variational Autoencoder for Missing Value Imputation in Untargeted Metabolomics
von: Zhao, Chen, et al.
Veröffentlicht: (2023)

On the Performance of Imputation Techniques for Missing Values on Healthcare Datasets
von: Joel, Luke Oluwaseye, et al.
Veröffentlicht: (2024)

Machine Learning Based Missing Values Imputation in Categorical Datasets
von: Ishaq, Muhammad, et al.
Veröffentlicht: (2023)

kNNSampler: Stochastic Imputations for Recovering Missing Value Distributions
von: Pashmchi, Parastoo, et al.
Veröffentlicht: (2025)

MVIAnalyzer: A Holistic Approach to Analyze Missing Value Imputation
von: Restat, Valerie, et al.
Veröffentlicht: (2025)

Empirical Comparison of Forgetting Mechanisms for UCB-based Algorithms on a Data-Driven Simulation Platform
von: Chen, Minxin
Veröffentlicht: (2025)

Still More Shades of Null: An Evaluation Suite for Responsible Missing Value Imputation
von: Khan, Falaah Arif, et al.
Veröffentlicht: (2024)

Do we Need Dozens of Methods for Real World Missing Value Imputation?
von: Grzesiak, Krystyna, et al.
Veröffentlicht: (2025)

M$^3$-Impute: Mask-guided Representation Learning for Missing Value Imputation
von: Yu, Zhongyi, et al.
Veröffentlicht: (2024)

Mining of Switching Sparse Networks for Missing Value Imputation in Multivariate Time Series
von: Obata, Kohei, et al.
Veröffentlicht: (2024)

Not Another Imputation Method: A Transformer-based Model for Missing Values in Tabular Datasets
von: Caruso, Camillo Maria, et al.
Veröffentlicht: (2024)

Quantum Circuit for Imputation of Missing Data
von: Sanavio, Claudio, et al.
Veröffentlicht: (2024)

Generative Conditional Missing Imputation Networks
von: Sun, George, et al.
Veröffentlicht: (2026)

Missing Pattern Recognized Diffusion Imputation Model for Missing Not At Random
von: Sim, Gyuwon, et al.
Veröffentlicht: (2026)

An End-to-End Model for Time Series Classification In the Presence of Missing Values
von: Yao, Pengshuai, et al.
Veröffentlicht: (2024)

Medical Knowledge Integration into Reinforcement Learning Algorithms for Dynamic Treatment Regimes
von: Yazzourh, Sophia, et al.
Veröffentlicht: (2024)

Imputation-free Learning of Tabular Data with Missing Values using Incremental Feature Partitions in Transformer
von: Samad, Manar D., et al.
Veröffentlicht: (2025)

Comparison of Parametric versus Machine-learning Multiple Imputation in Clinical Trials with Missing Continuous Outcomes
von: Tackney, Mia S., et al.
Veröffentlicht: (2025)

Linear Regression Using Principal Components from General Hilbert-Space-Valued Covariates
von: Li, Xinyi, et al.
Veröffentlicht: (2025)

Markov Missing Graph: A Graphical Approach for Missing Data Imputation
von: Yang, Yanjiao, et al.
Veröffentlicht: (2025)

Outcome-Assisted Multiple Imputation of Missing Treatments
von: Feldman, Joseph, et al.
Veröffentlicht: (2025)

CFMI: Flow Matching for Missing Data Imputation
von: Simkus, Vaidotas, et al.
Veröffentlicht: (2025)

Random Indicator Imputation for Missing Not At Random Data
von: Jolani, Shahab, et al.
Veröffentlicht: (2024)

Analyzing Coarsened and Missing Data by Imputation Methods
von: Lars L. J. van der Burg, et al.
Veröffentlicht: (2025)

A Probabilistic Approach for Missing Data Imputation
von: Muhammed Nazmul Arefin, et al.
Veröffentlicht: (2024)

Weighted Parameter Estimators of the Generalized Extreme Value Distribution in the Presence of Missing Observations
von: McVittie, James H., et al.
Veröffentlicht: (2025)

DeepIFSAC: Deep Imputation of Missing Values Using Feature and Sample Attention within Contrastive Framework
von: Kowsar, Ibna, et al.
Veröffentlicht: (2025)

A Novel Hyper‐Tuned Multilayer Perceptron With Effective Stochastic Learning Strategies for Missing Values Imputation
von: Muhammad Hameed Siddiqi, et al.
Veröffentlicht: (2025)

Leveraging AI Graders for Missing Score Imputation to Achieve Accurate Ability Estimation in Constructed-Response Tests
von: Uto, Masaki, et al.
Veröffentlicht: (2025)

Deep Generative Imputation Model for Missing Not At Random Data
von: Chen, Jialei, et al.
Veröffentlicht: (2023)

Filling the Missings: Spatiotemporal Data Imputation by Conditional Diffusion
von: He, Wenying, et al.
Veröffentlicht: (2025)

Missing Data Imputation using Neural Cellular Automata
von: Luu, Tin, et al.
Veröffentlicht: (2025)

An Interdisciplinary and Cross-Task Review on Missing Data Imputation
von: Fan, Jicong
Veröffentlicht: (2025)

La crisis de gobernabilidad en China / Minxin Pei
von: Pei, Minxin

The Dark Side of China´s Rise
von: Pei, Minxin
Veröffentlicht: (2006)

Imputation of Nonignorable Missing Data in Surveys Using Auxiliary Margins Via Hot Deck and Sequential Imputation
von: Yang, Yanjiao, et al.
Veröffentlicht: (2024)

An Enhanced Generative Adversarial Imputation Network With Unsupervised Learning for Random Missing Data Imputation of All Sensors
von: Xin Xie, et al.
Veröffentlicht: (2025)