CommencezCommencez gratuitement

Évaluer les imputations (plusieurs modèles et variables)

Quand vous élaborez un modèle d'imputation, il est judicieux de le comparer à une autre méthode.

Dans cette leçon, vous allez ajouter un dernier modèle d'imputation qui intègre une information supplémentaire utile pour expliquer une partie de la variation dans les données. Vous comparerez ensuite les valeurs, comme vous l'avez fait dans la leçon précédente.

Cette activité fait partie du cours

Gérer les données manquantes avec R

Voir le cours

Instructions de l’exercice

En utilisant le jeu de données oceanbuoys :

  • Imputez les données avec impute_lm() en ajoutant year au modèle.
  • Regroupez les méthodes d'imputation, en plaçant ocean_imp_mean dans mean, ocean_imp_lm_wind dans lm_wind, et ocean_imp_lm_wind_year dans lm_wind_year.
  • Examinez les valeurs de air_temp_c (sur l'axe des x) et de humidity (sur l'axe des y), en colorant selon la présence de valeurs manquantes, et en découpant par modèle d'imputation.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(~___)
Modifier et exécuter le code