У тезах досліджено проблему відновлення пропусків у малих вибірках технічних даних. На основі комплексного бенчмаркінгу продемонстровано критичну вразливість багатометричних та регресійних алгоритмів відновлення даних (MICE, KNN) до дефіциту інформації. Обґрунтовано необхідність застосування альтернативних непараметричних підходів для збереження структурної репрезентативності даних при оцінюванні станів систем.

ANALYSIS OF TRADITIONAL METHODS OF GAP RECOVERY IN SMALL DATA SAMPLES

Abstracts:

The abstract investigates the problem of filling gaps in small samples of technical data. Based on comprehensive benchmarking, the critical vulnerability of multimetric and regression imputation algorithms (MICE, KNN) to information deficit is demonstrated. The necessity of applying alternative nonparametric approaches to preserve the structural representativeness of data when evaluating system states is substantiated.