CommencezCommencez gratuitement

Utiliser simputation pour imputer des données

Il existe de nombreux plugiciels d'imputation dans R. Nous allons nous concentrer sur simputation, qui offre une interface simple et puissante pour effectuer des imputations.

Construire un bon modèle d'imputation est très important, mais c'est un sujet complexe — élaborer un bon modèle d'imputation demande autant de soin que de bâtir un bon modèle statistique. Dans ce cours, nous allons nous concentrer sur la façon d'évaluer les imputations.

Nous allons d'abord utiliser la fonction impute_lm(), qui impute des valeurs selon un modèle linéaire spécifié.

Dans cet exercice, nous allons appliquer les techniques d'évaluation vues précédemment à des données avec impute_lm(), puis approfondir cette méthode d'imputation dans les leçons suivantes.

Cette activité fait partie du cours

Gérer les données manquantes avec R

Voir le cours

Instructions de l’exercice

En utilisant l'ensemble de données oceanbuoys :

  • Imputez humidity à partir de wind_ew et wind_ns, et suivez les valeurs manquantes avec add_label_shadow().
  • Tracez les valeurs imputées de air_temp_c et humidity, respectivement sur les axes des x et des y, et colorez selon any_missing().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code