MissBGM: Modello Generativo Bayesiano Basato su AI per l'Imputazione di Dati Mancanti

Una nuova tecnica per l'imputazione di dati mancanti, chiamata MissBGM, è stata introdotta dai ricercatori. Questo metodo innovativo integra reti neurali con inferenza bayesiana, distinguendosi dai metodi convenzionali che producono stime puntuali. MissBGM affronta simultaneamente la generazione dei dati e i meccanismi di mancanza, fornendo un approccio basato su principi per l'incertezza a posteriori nelle imputazioni. Utilizza un quadro di ottimizzazione stocastica che alterna aggiornamenti tra valori mancanti, parametri del modello e variabili latenti. Le valutazioni teoriche indicano che le stime dei valori mancanti convergono in modo consistente sotto ipotesi rilassate, mentre i risultati empirici ne evidenziano l'efficacia.