Začněte nyníZačněte zdarma

Imputace dat pomocí balíčku simputation

V R existuje mnoho balíčků pro imputaci. My se zaměříme na balíček simputation, který nabízí jednoduché a přitom výkonné rozhraní pro provádění imputací.

Sestrojit dobrý imputační model je velmi důležité, ale zároveň je to komplexní téma – budování kvalitního imputačního modelu je stejně náročné jako budování dobrého statistického modelu. V tomto kurzu se proto soustředíme na to, jak imputace vyhodnocovat.

Nejprve se podíváme na funkci impute_lm(), která imputuje hodnoty na základě zadaného lineárního modelu.

V tomto cvičení použiješ dříve probrané techniky hodnocení na datech s impute_lm() a v dalších lekcích na tuto metodu imputace navážeš.

Toto cvičení je součástí kurzu

Práce s chybějícími daty v R

Zobrazit kurz

Pokyny k cvičení

Pracuj s datasetem oceanbuoys:

  • Imputuj humidity pomocí proměnných wind_ew a wind_ns a sleduj chybějící hodnoty pomocí add_label_shadow().
  • Vykresli imputované hodnoty pro air_temp_c a humidity – umísti je na osu x, respektive osu y, a obarvi je podle any_missing().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Impute humidity and air temperature using wind_ew and wind_ns, and track missing values
ocean_imp_lm_wind <- ___ %>% 
    bind_shadow() %>%
    impute_lm(air_temp_c ~ wind_ew + wind_ns) %>% 
    impute_lm(___ ~ ___ + ___) %>%
    add_label_shadow()
    
# Plot the imputed values for air_temp_c and humidity, colored by missingness
ggplot(___, 
       aes(x = ___, y = ___, color = any_missing)) + 
  geom_point()
Upravit a spustit kód