Traitement des données manquantes
Certaines personnes pressenties comme donateurs ont des données age manquantes. Malheureusement, R exclut toute observation contenant des valeurs NA lors de la construction d'un modèle de régression.
Une solution consiste à remplacer, ou à imputer, les valeurs manquantes par une valeur estimée. Ensuite, vous pouvez aussi créer un indicateur de données manquantes pour modéliser la possibilité que les cas avec données manquantes diffèrent d'une certaine façon de ceux sans données manquantes.
Le cadre de données donors est chargé dans votre espace de travail.
Cette activité fait partie du cours
Apprentissage supervisé en R : Classification
Instructions de l’exercice
- Utilisez
summary()surdonors$agepour trouver l'âge moyen des prospects sans données manquantes. - Utilisez
ifelse()et le testis.na(donors$age)pour imputer la moyenne (arrondie à 2 décimales) pour les cas dontageest manquant. Assurez-vous aussi d'ignorer lesNA. - Créez une variable indicatrice binaire nommée
missing_ageindiquant la présence de données manquantes au moyen d'un autre appel àifelse()et du même test.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Find the average age among non-missing values
summary(___)
# Impute missing age values with the mean age
donors$imputed_age <- ifelse(___)
# Create missing value indicator for age
donors$missing_age <- ___