Skip to main content

Table 5 Performance of the different imputation algorithms in the SPECTF dataset with 15 % of cases with missing values (MCAR schema)

From: Nearest neighbor imputation algorithms: a critical evaluation

   AVG RNK F5S F13S F16S F20S
Framework NN β Inacc. SD RNK β Inacc SD RNK β Inacc SD RNK β Inacc SD RNK
Plain 1NN 11 0.00055 0.10236 0.07645 2 0.00048 0.25751 0.20554 12 0.00188 0.10025 0.25897 14 0.00208 0.08654 0.22260 14
  3NN 13 0.00037 0.08654 0.14198 1 0.00026 0.24829 0.55387 15 0.00113 0.09287 0.37754 15 0.00106 0.09324 0.38604 15
  10NN 16 0.00044 0.09324 0.29798 6 0.00024 0.25926 0.93204 17 0.00091 0.09282 0.43864 17 0.00085 0.13671 0.67729 17
RReliefF10 1NN 12 0.00108 0.13671 0.10879 17 0.00081 0.21663 0.10804 8 0.00245 0.09252 0.21413 9 0.00288 0.11535 0.16061 9
  3NN 5 0.00056 0.11535 0.20818 14 0.00038 0.18647 0.25249 5 0.00108 0.08159 0.26951 2 0.00127 0.10922 0.25977 2
  10NN 10 0.00038 0.10922 0.36227 16 0.00023 0.18632 0.48904 9 0.00071 0.07924 0.36886 7 0.00076 0.12170 0.48206 7
RReliefF20 1NN 4 0.00079 0.12170 0.09823 10 0.00049 0.18938 0.09443 4 0.00177 0.08818 0.19667 4 0.00198 0.10374 0.15313 4
  3NN 1 0.00038 0.10374 0.20308 7 0.00023 0.16492 0.24663 1 0.00083 0.07912 0.29916 1 0.00083 0.10194 0.27393 1
  10NN 6 0.00030 0.10194 0.34090 13 0.00016 0.16934 0.46077 6 0.00061 0.07827 0.38066 6 0.00054 0.11605 0.49548 6
RReliefF30 1NN 3 0.00060 0.11605 0.09507 8 0.00039 0.18664 0.10566 3 0.00153 0.08897 0.21147 5 0.00180 0.09929 0.16041 5
  3NN 2 0.00033 0.09929 0.18934 4 0.00019 0.16570 0.26288 2 0.00084 0.08041 0.31290 3 0.00077 0.09905 0.29194 3
  10NN 7 0.00027 0.09905 0.32647 9 0.00015 0.17219 0.47827 7 0.00063 0.08011 0.39277 8 0.00052 0.09865 0.51013 8
Bagging 1NN 17 0.00052 0.09865 0.36311 12 0.00026 0.26573 1.06013 18 0.00101 0.09273 0.45949 18 0.00084 0.10679 0.79511 18
  3NN 20 0.00064 0.10679 0.43314 18 0.00033 0.28017 1.20518 20 0.00117 0.09412 0.48350 20 0.00103 0.12034 0.92381 20
  10NN 21 0.00060 0.12034 0.53072 21 0.00042 0.29474 1.32230 21 0.00134 0.09648 0.52562 21 0.00125 0.08574 104.138 21
Random 1NN 8 0.00023 0.08574 0.27112 3 0.00013 0.17789 0.61912 10 0.00063 0.07941 0.42192 10 0.00041 0.08773 0.47887 10
  3NN 9 0.00025 0.08773 0.31320 5 0.00013 0.18342 0.71124 11 0.00063 0.08053 0.44411 11 0.00040 0.09447 0.55429 11
  10NN 14 0.00026 0.09447 0.39598 11 0.00014 0.19570 0.83654 13 0.00064 0.08274 0.46791 12 0.00042 0.10005 0.70133 12
Bagging 1NN 15 0.00028 0.10005 0.43214 15 0.00015 0.20818 0.90011 14 0.00068 0.08464 0.47270 13 0.00045 0.10636 0.77000 13
+Random 3NN 18 0.00029 0.10636 0.47922 19 0.00016 0.22459 1.02479 16 0.00071 0.08658 0.49146 16 0.00047 0.11750 0.86695 16
  10NN 19 0.00034 0.11750 0.52735 20 0.00021 0.25749 1.19241 19 0.00082 0.09074 0.51276 19 0.00056 0.13035 0.96854 19
Mean Imputation   22 0.00060 0.13035 0.59451 22 0.00064 0.30319 1.38048 22 0.00193 0.10097 0.54523 22 0.00244 0.23502 1.11848 22