Začněte nyníZačněte zdarma

Vyhodnocení imputací (více modelů a proměnných)

Při budování imputačního modelu je dobrý nápad porovnat ho s jiným přístupem.

V této lekci přidáš poslední imputační model, který obsahuje jednu navíc užitečnou informaci pomáhající vysvětlit část variability v datech. Následně porovnáš výsledné hodnoty stejným způsobem jako v předchozí lekci.

Toto cvičení je součástí kurzu

Práce s chybějícími daty v R

Zobrazit kurz

Pokyny k cvičení

Pracuj s datasetem oceanbuoys:

  • Imputuj data pomocí impute_lm() a přidej do modelu year.
  • Spoj metody imputace dohromady: ocean_imp_mean přiřaď do mean, ocean_imp_lm_wind do lm_wind a ocean_imp_lm_wind_year do lm_wind_year.
  • Zobraz hodnoty air_temp_c (na ose x) a humidity (na ose y), obarvi je podle chybějících hodnot a rozděluj podle imputačního modelu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Build a model adding year to the outcome
ocean_imp_lm_wind_year <- bind_shadow(___) %>%
  impute_lm(air_temp_c ~ wind_ew + wind_ns + ___) %>%
  impute_lm(humidity ~ wind_ew + wind_ns + ___) %>%
  add_label_shadow()

# Bind the mean, lm_wind, and lm_wind_year models together
bound_models <- bind_rows(mean = ocean_imp_mean,
                          lm_wind = ocean_imp_lm_wind,
                          lm_wind_year = ___,
                          .id = "imp_model")

# Explore air_temp and humidity, coloring by any missings, and faceting by imputation model
ggplot(___, aes(x = ___, y = ___, color = any_missing)) + 
  geom_point() + facet_wrap(~___)
Upravit a spustit kód