缺失值处理

工具概述

填充数据表中缺失数值的分析工具。

操作方法

1.设置任务名，便于您查询后续的文件结果。

2.选择输入数据表，数据表必须包含行头和列头，文件样式请参考示例文件。数据表应为txt格式的纯文本文件。数据表中的首行和首列不参与缺失数值填充的计算。

3.输入数据表文件的分隔符支持下述4种类型之一：Tab制表符，英文逗号，英文分号和空格。

4.数据表中缺失值形式可为下述5种之一：NA，NaN，Null，0，空值。

5.您的研究如需要将缺失比例大的特征移除，可选择指定移除缺失值为是，设置移除阈值。

6.选择缺失值填充方式支持：全局最小值，全局最小值除以2，全局最小值除以10，所在列的最小值，所在列的均值，所在列的中位数，missForest、kNN、PPCA、BPCA、NIPALS PCA算法填充最小值。missForest，采用机器学习的算法（随机森林）对数据进行填充,可以对连续和离散型数据类型进行缺失值填充。kNN方法（k Nearest Neighbors Imputation ,K近邻法），对于含有缺失值的基因，本方法寻找欧氏距离下最邻近的k个基因，通过紧邻的完整数据取均值来填补缺失值。PPCA(PPCA,概率PCA)，结果通常准确的，适合于大的数据集。Bayesian PCA(BPCA,贝叶斯PCA)，能够准确估计缺失值，但是因不断迭代，计算速度非常慢，不适用于大数据集。NIPALS PCA（Non-linear estimation by iterative partial least squares，依赖于迭代的偏最小二乘法的非线性估计）。仅能处理少量缺失值的数据（通常建议缺失率低于5%）。

7.运行后，可在工具总览中下载补充缺失值后的文件。

结果解读

输出数据表为用户采用所选方法或算法，填充缺失值后的数据表。

参考文献

[1] Wei R , Wang J , Su M , et al. Missing Value Imputation Approach for Mass Spectrometry-based Metabolomics Data[J]. Scientific Reports, 2018,8(1):663.

[2] Daniel, J, Stekhoven,et al. MissForest--non-parametric missing value imputation for mixed-type data.[J]. Bioinformatics, 2012.