IVGAE: Neuer Graph‑Autoencoder für fehlende heterogene Daten
In der Analyse von realen Tabellendaten bleibt das Problem fehlender Werte ein zentrales Hindernis, besonders wenn die Daten sowohl numerische als auch kategoriale Merkmale enthalten. Der neue Ansatz IVGAE – ein Variational Graph Autoencoder – bietet eine robuste Lösung für diese Herausforderung.
IVGAE baut ein bipartites Graphenmodell auf, das die Beziehungen zwischen Proben und Merkmalen abbildet. Durch graph‑basierte Repräsentationslernen werden komplexe strukturelle Abhängigkeiten erfasst, die herkömmliche Imputationsmethoden oft vernachlässigen. Ein besonderes Merkmal ist die Dual‑Decoder‑Architektur: Während ein Decoder die Merkmal‑Embeddings rekonstruiert, modelliert der andere die Muster fehlender Werte und liefert damit strukturelle Priors, die die Mechanismen der Datenlücken berücksichtigen.
Um kategoriale Variablen effizient zu verarbeiten, nutzt IVGAE ein Transformer‑basiertes heterogenes Embedding‑Modul, das die Nachteile hoher dimensionaler One‑Hot‑Codierungen vermeidet. Diese Kombination aus Graph‑ und Transformer‑Technologien ermöglicht eine präzise Rekonstruktion fehlender Werte.
In umfangreichen Tests auf 16 realen Datensätzen zeigte IVGAE konsistente Verbesserungen bei RMSE und F1‑Scores in allen drei Missing‑Data‑Szenarien – MCAR, MAR und MNAR – bei bis zu 30 % fehlenden Daten. Der Code sowie die zugehörigen Datensätze sind öffentlich zugänglich unter https://github.com/echoid/IVGAE.