simputation으로 데이터 보간하기
R에는 다양한 보간 패키지가 있습니다. 여기서는 보간을 간단하고 강력하게 수행할 수 있는 인터페이스를 제공하는 simputation 패키지에 집중하겠습니다.
좋은 보간 모델을 만드는 일은 매우 중요하지만, 마찬가지로 복잡한 주제입니다. 탄탄한 통계 모델을 만드는 것만큼이나 많은 요소가 필요하죠. 이 강의에서는 보간 결과를 어떻게 평가할지에 초점을 맞추겠습니다.
먼저, 지정한 선형 모델에 따라 값을 보간하는 impute_lm() 함수를 살펴보겠습니다.
이 연습 문제에서는 이전에 배운 평가 기법을 impute_lm()을 적용한 데이터에 사용해 보고, 이후 레슨에서 이 보간 방법을 바탕으로 더 확장해 보겠습니다.
이 연습은 강의의 일부입니다
R에서 결측치 다루기
연습 안내
oceanbuoys 데이터셋을 사용하세요:
wind_ew와wind_ns를 사용해humidity를 보간하고,add_label_shadow()로 결측치 여부를 기록하세요.air_temp_c와humidity의 보간값을 각각 x축과 y축에 두고, 색상은any_missing()으로 지정해 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()