Ocena imputacji: skala
Chociaż imputacja średnią może wyglądać całkiem nieźle w porównaniu z wykresem pudełkowym, ważne jest, aby ocenić zmienność danych. Dlatego warto zbadać, jak zmienia się skala i rozrzut imputowanych wartości w porównaniu z danymi oryginalnymi.
Jednym ze sposobów oceny trafności skali imputacji jest użycie wykresu punktowego – pozwala on sprawdzić, czy imputowane wartości są wiarygodne.
To ćwiczenie jest częścią kursu
Praca z brakującymi danymi w R
Instrukcje do ćwiczenia
Korzystając z danych z już imputowanymi wartościami, ocean_imp_mean:
- Zbadaj imputacje temperatury powietrza (na osi x) i wilgotności (na osi y) za pomocą wykresu punktowego, pamiętając o użyciu
color = any_missing. - Rozbuduj poprzednią wizualizację, dzieląc wykres na panele według roku.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Explore imputations in air temperature and humidity,
# coloring by the variable, any_missing
ggplot(___,
aes(x = ___, y = ___, color = ___)) +
geom_point()
# Explore imputations in air temperature and humidity,
# coloring by the variable, any_missing, and faceting by year
ggplot(___,
aes(x = ___, y = ___, color = ___)) +
___() +
facet_wrap(~___)