Zacznij terazZacznij za darmo

Ocena imputacji (wiele modeli i zmiennych)

Budując model imputacji, warto porównać go z inną metodą.

W tej lekcji dodasz kolejny model imputacji, który uwzględnia dodatkową, przydatną informację pomagającą wyjaśnić część zmienności w danych. Następnie porównasz uzyskane wartości – tak jak w poprzedniej lekcji.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając ze zbioru danych oceanbuoys:

  • Dokonaj imputacji danych za pomocą impute_lm(), dodając year do modelu.
  • Połącz metody imputacji, przypisując ocean_imp_mean do mean, ocean_imp_lm_wind do lm_wind, a ocean_imp_lm_wind_year do lm_wind_year.
  • Zwizualizuj wartości air_temp_c (na osi x) i humidity (na osi y), kolorując braki danych i dzieląc wykres na panele według modelu imputacji.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(~___)
Edytuj i uruchom kod