Začněte nyníZačněte zdarma

Tipy a triky pro hot-deck I: imputace v rámci domén

Jedním z triků, který může pomoci, když hot-deck imputace narušuje vztahy mezi proměnnými, je imputace v rámci domén. To znamená, že pokud je imputovaná proměnná korelovaná s jinou kategoriální proměnnou, stačí spustit hot-deck zvlášť pro každou z jejích kategorií.

Například, teplota vzduchu může záviset na čase – vlivem globálního oteplování pozorujeme růst průměrných teplot. Časový ukazatel dostupný v datech tao je kategoriální proměnná year. Nejprve zkontrolujeme, zda se průměrná teplota vzduchu liší mezi oběma sledovanými roky, a pak spustíme hot-deck v rámci domén definovaných rokem. Nakonec znovu vykreslíme marginální graf, abychom posoudili kvalitu imputace.

Toto cvičení je součástí kurzu

Práce s chybějícími daty pomocí imputace v R

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej průměrnou hodnotu air_temp pro každý rok; výsledek pojmenuj average_air_temp a z výpočtu průměru vylučuj hodnoty NA.
  • Imputuj chybějící hodnoty v air_temp v datech tao v rámci domén year pomocí hot-deck imputace a výsledek přiřaď do tao_imp.
  • Vytvoř marginální graf závislosti air_temp na sea_surface_temp; nezapomeň do proměnných předávaných vykreslovací funkci zahrnout air_temp_imp.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate mean air_temp per year
tao %>% 
	group_by(___) %>% 
	summarize(average_air_temp = mean(___, na.rm = ___))

# Hot-deck-impute air_temp in tao by year domain
tao_imp <- ___(___, variable = ___, ___ = ___)

# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>% 
	select(___, ___, ___) %>% 
	marginplot(___ = ___)
Upravit a spustit kód