ÎncepețiÎncepe gratuit

Utilizarea simputation pentru imputarea datelor

Există multe pachete de imputare în R. Ne vom concentra pe pachetul simputation, care oferă o interfață simplă și eficientă pentru efectuarea imputărilor.

Construirea unui model de imputare bun este extrem de importantă, dar reprezintă și un subiect complex – există tot atâtea considerente pentru un model de imputare bun câte există pentru un model statistic bun. În acest curs, ne vom concentra pe modul în care se evaluează imputările.

În primul rând, vom analiza funcția impute_lm(), care imputează valori pe baza unui model liniar specificat.

În acest exercițiu, vom aplica tehnicile de evaluare discutate anterior asupra datelor cu impute_lm(), după care vom extinde această metodă de imputare în lecțiile următoare.

Acest exercițiu face parte din cursul

Gestionarea datelor lipsă în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind setul de date oceanbuoys:

  • Imputează humidity folosind wind_ew și wind_ns, și urmărește valorile lipsă cu add_label_shadow().
  • Reprezintă grafic valorile imputate pentru air_temp_c și humidity, plasându-le pe axa x, respectiv pe axa y, și colorând după any_missing().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Impute humidity and air temperature using wind_ew and wind_ns, and track missing values
ocean_imp_lm_wind <- ___ %>% 
    bind_shadow() %>%
    impute_lm(air_temp_c ~ wind_ew + wind_ns) %>% 
    impute_lm(___ ~ ___ + ___) %>%
    add_label_shadow()
    
# Plot the imputed values for air_temp_c and humidity, colored by missingness
ggplot(___, 
       aes(x = ___, y = ___, color = any_missing)) + 
  geom_point()
Editează și rulează codul