Optimal transport for data integration
Résumé
Statistical matching methods consist in integrating two or more data sources, related to the same target population, which share a subset of covariates while each data source has its own distinct subset of variables. The aim is to derive a unique synthetic data set in which all the variables, coming from the different sources, are jointly available. A method based on an application of optimal transport theory has been proposed by Garès and Omer (2020), in the case where the distinct variables in the different data sources are categorical. Joint distribution of shared and distinct variables is transported within the data sources. Although the method demonstrated good performance, the proposed approach also transports the distribution of shared and distinct variables and estimate a function to predict the missing variables. The performances are assessed through a Monte Carlo simulation study.
Les méthodes d'appariement statistique consistent à intégrer deux ou plusieurs sources de données, relatives à une même population cible. Ces sources partagent un sousensemble de covariables tout en disposant d'autres sous-ensembles de variables distincts. Le but est de construire un ensemble unique de données synthétique dans lequel toutes les variables des différentes sources sont disponibles conjointement. Une méthode basée sur une application du transport optimal a été proposée dans Garès and Omer (2020), dans le cas où les variables distinctes des différentes sources de données sont catégorielles. La distribution jointe des variables partagées et distinctes est transportée dans un jeu de données. L'approche proposée ici utilise également le transport optimal pour la distribution des variables partagées et distinctes, mais intègre de plus l'estimation d'une fonction pour prédire les variables distinctes dans l'autre source. Les performances de la méthode sont évaluées via une étude par simulation de Monte Carlo.
Fichier principal
462377_GaresFriguetCourty_OTforDataIntegration_JDS23.pdf (318.04 Ko)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|