Zacznij terazZacznij za darmo

Łączenie i porównywanie wielu modeli imputacji

Aby ocenić różne metody imputacji, musimy zebrać je w jednej ramce danych. Porównasz trzy różne podejścia do obsługi brakujących danych na zbiorze oceanbuoys.

  • Pierwsza metoda polega na użyciu wyłącznie kompletnych przypadków i jest wczytana jako ocean_cc.
  • Druga metoda to imputacja wartości za pomocą modelu liniowego z prognozami opartymi na wietrze – wczytana jako ocean_imp_lm_wind.

Stworzysz trzeci zbiór danych po imputacji, ocean_imp_lm_all, używając modelu liniowego do imputacji zmiennych sea_temp_c, air_temp_c i humidity na podstawie zmiennych wind_ew, wind_ns, year, latitude, longitude.

Następnie połączysz wszystkie zbiory danych (ocean_cc, ocean_imp_lm_wind i ocean_imp_lm_all) w jeden obiekt o nazwie bound_models.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz zbiór danych po imputacji o nazwie ocean_imp_lm_all, używając modelu liniowego do imputacji zmiennych sea_temp_c, air_temp_c i humidity na podstawie zmiennych wind_ew, wind_ns, year, latitude, longitude.
  • Połącz wszystkie zbiory danych w jeden obiekt o nazwie bound_models.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create an imputed dataset using a linear models
ocean_imp_lm_all <- bind_shadow(oceanbuoys) %>%
  add_label_shadow() %>%
  impute_lm(sea_temp_c ~ wind_ew + wind_ns + ___ + ___ + ___) %>%
  impute_lm(air_temp_c ~ wind_ew + wind_ns + ___ + ___ + ___) %>%
  impute_lm(humidity ~ wind_ew + wind_ns + ___ + ___ + ___)

# Bind the datasets
bound_models <- bind_rows(cc = ___,
                          imp_lm_wind = ___,
                          imp_lm_all = ___,
                          .id = "imp_model")
# Look at the models
bound_models
Edytuj i uruchom kod