Volba počtu sousedů
Imputace k-nejbližších sousedů (kNN) doplní chybějící hodnoty v pozorování na základě hodnot pocházejících z k ostatních pozorování, která jsou mu nejpodobnější. Počet těchto podobných pozorování – nazývaných sousedé – je parametr, který je potřeba zvolit předem.
Jak k vybrat? Jednou z možností je vyzkoušet různé hodnoty a sledovat, jak ovlivňují vztahy mezi imputovanými a pozorovanými daty.
Zkus imputovat humidity v datech tao pomocí tří různých hodnot k a podívej se, jak imputované hodnoty odpovídají vztahu mezi humidity a sea_surface_temp.
Toto cvičení je součástí kurzu
Práce s chybějícími daty pomocí imputace v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Impute humidity using 30 neighbors
tao_imp <- ___(tao, k = ___, variable = ___)
# Draw a margin plot of sea_surface_temp vs humidity
tao_imp %>%
select(sea_surface_temp, humidity, humidity_imp) %>%
___(delimiter = "imp", main = "k = 30")