Skip to main content

Table 1 Regression Coefficients, average of 500 samples of n = 400, k = 5, 15 % or 30 % of missing data

From: Nearest neighbor imputation algorithms: a critical evaluation

  

β0

β1

β2

 

Missing

15 %

30 %

15 %

30 %

15 %

30 %

Framework

Method

Bias

Var

MSE

Bias

Var

MSE

Bias

Var

MSE

Bias

Var

MSE

Bias

Var

MSE

Bias

Var

MSE

Plain

1NN

0.1899

0.0012

0.0373

0.3277

0.0014

0.1088

0.1915

0.0265

0.0631

0.3496

0.0464

0.1685

-0.1065

0.0058

0.0171

-0.2156

0.0084

0.0549

 

kNN

0.0927

0.0005

0.0091

0.1817

0.0009

0.0339

0.045

0.0181

0.0201

0.0638

0.0425

0.0465

-0.0225

0.0039

0.0044

-0.0589

0.0076

0.011

 

wkNN

0.0925

0.0005

0.0091

0.1811

0.0009

0.0337

0.0451

0.0181

0.0201

0.0639

0.0425

0.0465

-0.0227

0.0039

0.0044

-0.0594

0.0076

0.0111

RReliefF10

1NN

0.158

0.0017

0.0267

0.3025

0.003

0.0944

0.1901

0.0252

0.0613

0.3672

0.0415

0.1763

-0.1003

0.0046

0.0146

-0.2083

0.0082

0.0516

 

kNN

0.0737

0.001

0.0064

0.1587

0.0025

0.0277

0.0462

0.0176

0.0197

0.0824

0.0384

0.0451

-0.0227

0.0038

0.0043

-0.0602

0.0073

0.0109

 

wkNN

0.0734

0.001

0.0064

0.1584

0.0025

0.0276

0.0463

0.0175

0.0196

0.0827

0.0384

0.0452

-0.0228

0.0037

0.0042

-0.0602

0.0073

0.0109

RReliefF20

1NN

0.1604

0.0012

0.0269

0.298

0.0023

0.0911

0.1803

0.0241

0.0566

0.3594

0.0443

0.1734

-0.0976

0.0047

0.0142

-0.2097

0.0073

0.0513

 

kNN

0.0715

0.0007

0.0058

0.153

0.0017

0.0251

0.0407

0.0174

0.019

0.0701

0.0399

0.0447

-0.0208

0.0036

0.0041

-0.0607

0.0072

0.0108

 

wkNN

0.0712

0.0007

0.0057

0.1524

0.0017

0.0249

0.0408

0.0173

0.0189

0.0707

0.0399

0.0448

-0.0209

0.0036

0.0041

-0.0609

0.0071

0.0108

RReliefF30

1NN

0.1617

0.0012

0.0274

0.2982

0.0018

0.0908

0.183

0.0221

0.0555

0.3468

0.0438

0.164

-0.0986

0.0049

0.0147

-0.2005

0.0081

0.0483

 

kNN

0.073

0.0006

0.0059

0.1533

0.0013

0.0248

0.0383

0.0155

0.017

0.0633

0.0387

0.0426

-0.0201

0.0036

0.004

-0.0565

0.0068

0.01

 

wkNN

0.0727

0.0006

0.0058

0.1527

0.0013

0.0246

0.0384

0.0155

0.017

0.064

0.0388

0.0428

-0.0202

0.0036

0.004

-0.0565

0.0068

0.01

Bagging

1NN

0.0812

0.0004

0.007

0.1593

0.0008

0.0262

0.0182

0.0176

0.0179

0.002

0.0394

0.0393

-0.007

0.0038

0.0039

-0.0244

0.0073

0.0079

 

kNN

0.0869

0.0004

0.008

0.168

0.0008

0.029

0.0095

0.0176

0.0176

-0.015

0.0394

0.0395

-0.0006

0.0039

0.0039

-0.0098

0.0074

0.0075

 

wkNN

0.0857

0.0004

0.0078

0.1651

0.0008

0.028

0.0096

0.0175

0.0176

-0.0153

0.0392

0.0394

-0.0008

0.0039

0.0039

-0.0104

0.0073

0.0074

Random

1NN

0.0874

0.0004

0.0081

0.1589

0.0007

0.0259

0.0121

0.018

0.0181

-0.0114

0.0387

0.0388

-0.0003

0.0041

0.0041

-0.0122

0.0074

0.0076

 

kNN

0.0872

0.0004

0.008

0.1572

0.0007

0.0254

0.0081

0.0177

0.0177

-0.0212

0.0385

0.0389

0.0014

0.004

0.004

-0.007

0.0074

0.0074

 

wkNN

0.0872

0.0004

0.008

0.1571

0.0007

0.0253

0.0081

0.0177

0.0177

-0.0212

0.0385

0.0389

0.0014

0.004

0.004

-0.007

0.0074

0.0074

Bagging + Random

1NN

0.0939

0.0005

0.0093

0.1686

0.0007

0.0291

0.0128

0.0187

0.0188

-0.0109

0.0388

0.0388

-0.0004

0.0041

0.0041

-0.0101

0.0074

0.0075

 

kNN

0.0956

0.0005

0.0096

0.1715

0.0007

0.0301

0.0103

0.0185

0.0186

-0.0178

0.0393

0.0395

0.001

0.0041

0.0041

-0.006

0.0075

0.0075

 

wkNN

0.0953

0.0005

0.0095

0.1708

0.0007

0.0299

0.0102

0.0185

0.0185

-0.0179

0.0392

0.0394

0.0011

0.0041

0.0041

-0.006

0.0075

0.0075

Mean Imputation

 

0.109

0.0005

0.0124

0.1913

0.0008

0.0373

0.0108

0.0196

0.0197

-0.0147

0.0407

0.0409

0.0015

0.0044

0.0043

-0.0047

0.0078

0.0078