Aan de slagBegin gratis

Imputaties evalueren (meerdere modellen en variabelen)

Als je een imputatiemodel opbouwt, is het verstandig om het te vergelijken met een andere methode.

In deze les voeg je een laatste imputatiemodel toe met een extra, nuttig stukje informatie dat helpt een deel van de variatie in de gegevens te verklaren. Daarna ga je de waarden vergelijken, zoals je in de vorige les hebt gedaan.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

Gebruik de oceanbuoys-gegevensset:

  • Imputeer gegevens met impute_lm(), en voeg year toe aan het model.
  • Voeg de imputeermethoden samen, waarbij je ocean_imp_mean in mean plaatst, ocean_imp_lm_wind in lm_wind, en ocean_imp_lm_wind_year in lm_wind_year.
  • Bekijk de waarden van air_temp_c (op de x-as) en humidity (op de y-as), kleur op ontbrekende waarden, en facetteer per imputatiemodel.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Build a model adding year to the outcome
ocean_imp_lm_wind_year <- bind_shadow(___) %>%
  impute_lm(air_temp_c ~ wind_ew + wind_ns + ___) %>%
  impute_lm(humidity ~ wind_ew + wind_ns + ___) %>%
  add_label_shadow()

# Bind the mean, lm_wind, and lm_wind_year models together
bound_models <- bind_rows(mean = ocean_imp_mean,
                          lm_wind = ocean_imp_lm_wind,
                          lm_wind_year = ___,
                          .id = "imp_model")

# Explore air_temp and humidity, coloring by any missings, and faceting by imputation model
ggplot(___, aes(x = ___, y = ___, color = any_missing)) + 
  geom_point() + facet_wrap(~___)
Code bewerken en uitvoeren