Błędy imputacji dla poszczególnych zmiennych

W poprzednim ćwiczeniu wyodrębniono szacunkowe błędy imputacji z wyników funkcji missForest. Otrzymano dwie wartości:

znormalizowany pierwiastek błędu średniokwadratowego (NRMSE) dla wszystkich zmiennych ciągłych;
odsetek błędnie sklasyfikowanych obserwacji (PFC) dla wszystkich zmiennych kategorycznych.

Może się jednak zdarzyć, że model imputacji świetnie radzi sobie z jedną zmienną ciągłą, a słabo z inną! Aby wykryć takie przypadki, wystarczy wskazać funkcji missForest, że ma obliczać błędy osobno dla każdej zmiennej. Służy do tego ustawienie argumentu variablewise na TRUE.

Zbiór danych biopics i pakiet missForest zostały już wczytane – przyjrzyjmy się bliżej błędom imputacji!

Użyj funkcji missForest do imputacji danych biopics tak, aby obliczano błędy osobno dla każdej zmiennej.

Exercise

Błędy imputacji dla poszczególnych zmiennych

Instrukcje 1 / 3

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instrukcje 1 / 3

Exercise