CommencerCommencez gratuitement

Utiliser simputation pour imputer des données

Il existe de nombreux packages d’imputation sous R. Nous allons nous concentrer sur le package simputation, qui propose une interface simple et puissante pour réaliser des imputations.

Construire un bon modèle d’imputation est crucial, mais c’est un sujet complexe : bâtir un bon modèle d’imputation demande autant de soin que construire un bon modèle statistique. Dans ce cours, nous allons nous concentrer sur l’évaluation des 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 imputées avec impute_lm(), puis nous enrichirons cette méthode d’imputation dans les leçons suivantes.

Cet exercice fait partie du cours

<cours>Gérer les données manquantes en R</cours>
Voir le cours

Instructions de l’exercice

En utilisant le jeu de données oceanbuoys :

  • Imputez humidity à partir de wind_ew et wind_ns, et suivez les valeurs manquantes avec add_label_shadow().
  • Représentez les valeurs imputées de air_temp_c et humidity, en les plaçant respectivement sur les axes x et y, et en coloriant 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