Analiza wzorców brakujących danych
Pierwszym krokiem w pracy z niekompletnymi danymi jest zrozumienie wzorców braków, a dobrym sposobem na to są wizualizacje. Analizę zbioru danych africa zaczniesz od pakietu VIM, za pomocą którego stworzysz dwa wykresy: wykres agregacji i wykres kolumnowy (spine plot). Pokażą ci one, ile danych brakuje, w których zmiennych i konfiguracjach, oraz czy można coś powiedzieć o mechanizmie brakujących danych. Czas zabrać się za wykresy!
To ćwiczenie jest częścią kursu
Obsługa brakujących danych z imputacją w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load VIM
___
# Draw a combined aggregation plot of africa
africa %>%
___(___ = ___, ___ = ___)