Imputacja metodą KNN

W poprzednim ćwiczeniu do uzupełnienia brakujących wartości w zbiorze danych o raku piersi użyłeś imputacji medianą – to jednak nie jedyna metoda radzenia sobie z brakami danych.

Alternatywą dla imputacji medianą jest imputacja metodą k najbliższych sąsiadów (KNN). To bardziej zaawansowane podejście: brakujące wartości są zastępowane wartościami z innych wierszy podobnych do bieżącego. Choć samodzielna implementacja tej metody bywa skomplikowana, w pakiecie caret można ją łatwo wypróbować za pomocą argumentu preProcess funkcji train(). Wystarczy użyć preProcess = "knnImpute", aby zmienić metodę imputacji stosowaną przed dopasowaniem modelu.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z caret w R

Zobacz kurs

Instrukcje do ćwiczenia

W przestrzeni roboczej masz załadowane obiekty breast_cancer_x oraz breast_cancer_y.

Użyj funkcji train(), aby dopasować model glm o nazwie knn_model do zbioru danych o raku piersi.
Do obsługi brakujących wartości zastosuj imputację metodą KNN.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Apply KNN imputation: knn_model
knn_model <- train(
  x = ___, 
  y = ___,
  method = ___,
  trControl = myControl,
  preProcess = ___
)

# Print knn_model to console

Edytuj i uruchom kod