Buchumschlag

The influence of missing data mechanisms and simple missing data handling techniques on fairness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bhatti, Aeysha, Sandrock, Trudie, Nienkemper-Swanepoel, Johane
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

moveEZ: An R Package for Animated Biplots
von: Ganey, Raeesa, et al.
Veröffentlicht: (2026)

Trinary Decision Trees for handling missing data
von: Zakrisson, Henning
Veröffentlicht: (2023)

Knockout: A simple way to handle missing inputs
von: Nguyen, Minh, et al.
Veröffentlicht: (2024)

Developing robust methods to handle missing data in real-world applications effectively
von: Zhou, Youran, et al.
Veröffentlicht: (2025)

Flexible variable selection in the presence of missing data
von: Williamson, B. D., et al.
Veröffentlicht: (2022)

Imputation of missing values in multi-view data
von: van Loon, Wouter, et al.
Veröffentlicht: (2022)

Handling missing values in healthcare data: A systematic review of deep learning-based imputation techniques
von: Liu, Mingxuan, et al.
Veröffentlicht: (2022)

SEGAN: semi-supervised learning approach for missing data imputation
von: Pan, Xiaohua, et al.
Veröffentlicht: (2024)

Machine-learning-based particle identification with missing data
von: Kasak, Miłosz, et al.
Veröffentlicht: (2023)

missForestPredict -- Missing data imputation for prediction settings
von: Albu, Elena, et al.
Veröffentlicht: (2024)

Deep learning with missing data
von: Ma, Tianyi, et al.
Veröffentlicht: (2025)

Domain constraints improve risk prediction when outcome data is missing
von: Balachandar, Sidhika, et al.
Veröffentlicht: (2023)

Review for Handling Missing Data with special missing mechanism
von: Zhou, Youran, et al.
Veröffentlicht: (2024)

Denoising ESG: quantifying data uncertainty from missing data with Machine Learning and prediction intervals
von: Caprioli, Sergio, et al.
Veröffentlicht: (2024)

Causal machine learning for heterogeneous treatment effects in the presence of missing outcome data
von: Pryce, Matthew, et al.
Veröffentlicht: (2024)

Blockwise Principal Component Analysis for monotone missing data imputation and dimensionality reduction
von: Do, Tu T., et al.
Veröffentlicht: (2023)

High-dimensional logistic regression with missing data: Imputation, regularization, and universality
von: Verchand, Kabir Aladin, et al.
Veröffentlicht: (2024)

mDAE : modified Denoising AutoEncoder for missing data imputation
von: Dupuy, Mariette, et al.
Veröffentlicht: (2024)

Full Information Linked ICA: addressing missing data problem in multimodal fusion
von: Li, Ruiyang, et al.
Veröffentlicht: (2024)

To impute or not to impute: How machine learning modelers treat missing data
von: Chen, Wanyi, et al.
Veröffentlicht: (2025)

High-dimensional estimation with missing data: Statistical and computational limits
von: Verchand, Kabir Aladin, et al.
Veröffentlicht: (2026)

Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
von: Das, Pramit, et al.
Veröffentlicht: (2025)

On the consistency of supervised learning with missing values
von: Josse, Julie, et al.
Veröffentlicht: (2019)

Predicting missing values: A good idea?
von: van Buuren, Stef
Veröffentlicht: (2026)

Multiple data-driven missing imputation
von: Kavun, Sergii
Veröffentlicht: (2025)

VertiBayes: Learning Bayesian network parameters from vertically partitioned data with missing values
von: van Daalen, Florian, et al.
Veröffentlicht: (2022)

A parameter-free clustering algorithm for missing datasets
von: Li, Qi, et al.
Veröffentlicht: (2024)

Data is missing again -- Reconstruction of power generation data using $k$-Nearest Neighbors and spectral graph theory
von: Pierrot, Amandine, et al.
Veröffentlicht: (2024)

Iterative missing value imputation based on feature importance
von: Guo, Cong, et al.
Veröffentlicht: (2023)

Augmented transfer regression learning for completely missing covariates
von: Zhao, Huali, et al.
Veröffentlicht: (2026)

Ambiguity in LLMs is a concept missing problem
von: Hu, Zhibo, et al.
Veröffentlicht: (2025)

Activity and Subject Detection for UCI HAR Dataset with & without missing Sensor Data
von: Saha, Debashish, et al.
Veröffentlicht: (2025)

Handling missing values in clinical machine learning: Insights from an expert study
von: Stempfle, Lena, et al.
Veröffentlicht: (2024)

Information FOMO: The unhealthy fear of missing out on information. A method for removing misleading data for healthier models
von: Pickering, Ethan, et al.
Veröffentlicht: (2022)

Estimation of discrete distributions in relative entropy, and the deviations of the missing mass
von: Mourtada, Jaouad
Veröffentlicht: (2025)

Buffer replay enhances the robustness of multimodal learning under missing-modality
von: Zhu, Hongye, et al.
Veröffentlicht: (2025)

IQNN-CS: Interpretable Quantum Neural Network for Credit Scoring
von: Khan, Abdul Samad, et al.
Veröffentlicht: (2025)

Universal representations:The missing link between faces, text, planktons, and cat breeds
von: Bilen, Hakan, et al.
Veröffentlicht: (2017)

Meta-learning optimizes predictions of missing links in real-world networks
von: Singh, Bisman, et al.
Veröffentlicht: (2025)

Graphlets correct for the topological information missed by random walks
von: Windels, Sam F. L., et al.
Veröffentlicht: (2024)