simputation を使ってデータを補完する
R には多くの欠損値補完パッケージがあります。ここでは、シンプルで強力なインターフェースを提供する simputation パッケージに注目して、補完を実行していきます。
良い補完モデルを作ることはとても重要ですが、同時に複雑なテーマでもあります。優れた統計モデルを作るのと同じくらい、補完モデル作成にも多くの工夫が必要です。本コースでは、補完結果をどのように評価するかに焦点を当てます。
まずは、指定した線形モデルに基づいて値を補完する impute_lm() 関数の使い方を見ていきます。
この演習では、impute_lm() を用いて作成したデータに、これまでの評価手法を適用します。さらに続くレッスンで、この補完方法を発展させていきます。
この演習はコースの一部です
Rでの欠損データの扱い方
演習の手順
oceanbuoys データセットを使って、次を行ってください。
humidityをwind_ewとwind_nsで補完し、add_label_shadow()で欠損の有無を記録します。air_temp_cとhumidityの補完後の値をプロットし、x 軸にair_temp_c、y 軸にhumidityを置き、色分けはany_missing()によって行います。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()