.png){kind=icon}
返回
A systematic framework for preprocessing validation in business analytics
.png){kind=icon}
PRE
AI
DOI：10.1080/2573234x.2026.2634271.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的近期研究已识别出数据科学研究中存在的方法论问题，包括未经验证的预处理假设，这可能助长性能声明的虚高以及结果不可再现。尽管预处理在商业分析项目中消耗了60-80%的分析工作量，但策略选择通常依赖惯例而非系统证据。本研究引入REPROPREP，一种旨在实现预处理有效性假设系统验证的方法学框架。设计/方法/途径REPROPREP框架整合了保守的统计分析（采用Benjamini-Hochberg错误发现率校正）、系统化的质量降级协议以及成本效益评估。该框架在10个UCI仓库数据集上进行了评估，使用梯度提升分类器，通过5折分层交叉验证在三种模拟质量条件下进行测试，共产生90次统计比较。发现分析发现，在多重比较校正后，不同预处理策略间无统计学显著差异，效应量可忽略不计（平均AUC差异：0.001）。成本分析表明，各策略的实施成本差异在150至800美元之间。实践意义该框架提供了一种系统化的预处理评估方法论，使组织能够针对特定情境验证预处理有效性假设，并支持关于预处理策略的更明智决策。创新性与价值REPROPREP引入了一种可再现且系统化的预处理验证方法，将统计严谨性与成本效益分析相结合。该框架设计用于适应性开发，本次初始版本专注于数值预处理，并为未来扩展奠定了基础。
Keyword:
Preprocessing validation
methodological framework
business analytics
cost-effectiveness analysis
evidence-based methods
statistical validation
reproducibility
期刊
J
IF:
1.6
论文数:
14
被引数:
0
机构
引用论文
Multiple imputation using chained equations: Issues and guidance for practice使用链式方程进行多重插补: 问题和实践指导
.png){kind=icon}
PREAI
分享收藏
Information technology-enabled dynamic capabilities and their indirect effect on competitive performance: Findings from PLS-SEM and fsQCA信息技术驱动的动态能力及其对竞争绩效的间接影响: 来自pls-sem和fsQCA的发现
PREAI
分享收藏
查看更多内容