शुरू करेंमुफ़्त में शुरू करें

इम्प्यूटेशन का मूल्यांकन: स्केल

जब हम बॉक्स प्लॉट से तुलना करते हैं तो mean imputation उतनी बुरी नहीं लग सकती, लेकिन डेटा में variation को समझना ज़रूरी है। इसलिए यह देखना महत्वपूर्ण है कि मूल डेटा की तुलना में इम्प्यूट किए गए मानों का scale और spread कैसे बदलता है।

इम्प्यूटेशन के scale की उपयुक्तता का आकलन करने का एक तरीका है स्कैटर प्लॉट का उपयोग करना, ताकि यह जाँचा जा सके कि मान उपयुक्त हैं या नहीं।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Missing Data से निपटना

पाठ्यक्रम देखें

अभ्यास निर्देश

पहले से इम्प्यूट किए गए मानों वाले डेटा ocean_imp_mean का उपयोग करते हुए:

  • एयर टेम्परेचर (x-axis पर) और ह्यूमिडिटी (y-axis पर) में इम्प्यूटेशन को स्कैटर प्लॉट से एक्सप्लोर करें, और color = any_missing का उपयोग करना याद रखें.
  • इस विज़ुअलाइज़ेशन को वर्ष के अनुसार faceting करके आगे बढ़ाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Explore imputations in air temperature and humidity,  
# coloring by the variable, any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Explore imputations in air temperature and humidity,  
# coloring by the variable, any_missing, and faceting by year
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  ___() +  
  facet_wrap(~___)
कोड संपादित करें और चलाएँ