Regresión Local por Mínimos Cuadrados para Estimación Eficiente de Datos Incompletos

Abstract

La presencia de valores perdidos o datos incompletos es un problema a solventar en muchas aplicaciones reales de reconocimiento de patrones. Un procedimiento extendido, y a la vez adecuado, es la imputación (i.e., estimación de valores perdidos a partir de la información conocida). Este artículo presenta un robusto algoritmo de imputación basado en la regresión local por mínimos cuadrados. Para cada patrón incompleto, se calculan sus K vecinos más cercanos, y apartir de esta información, la estimación de datos icnompletos se obtiene mediante la resolución del problema de ajsute de mínimos cuadrados regularizado incluyendo el término de regularización de Tikhonov. Los resultados en un problema de diagnosis médica muestran las ventajas del método propuesto.