ÎncepețiÎncepe gratuit

Imputarea prin medie a temperaturii

Imputarea prin medie poate fi o abordare riscantă. Dacă variabila pe care o imputezi este corelată cu alte variabile, această corelație poate fi distrusă de valorile imputate. Ai văzut deja un semn de avertisment în exercițiul anterior, când ai analizat variabila air_temp.

Pentru a verifica dacă aceste preocupări sunt întemeiate, în acest exercițiu vei efectua imputarea prin medie pe air_temp, creând în același timp un indicator binar care marchează locurile unde valorile au fost imputate. Acesta îți va fi de folos în exercițiul următor, când vei evalua performanța imputării. Să completăm valorile lipsă!

Acest exercițiu face parte din cursul

Gestionarea datelor lipsă prin imputare în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • În pipeline-ul care modifică tao, creează o variabilă nouă numită air_temp_imp care să fie TRUE dacă air_temp lipsește și FALSE în caz contrar.
  • Mai departe în același pipeline, suprascrie air_temp cu media sa ori de câte ori valoarea lipsește și las-o neschimbată în rest, atribuind rezultatul lui tao_imp.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

tao_imp <- tao %>% 
  # Create a binary indicator for missing values in air_temp
  ___(air_temp_imp = ifelse(___(___), ___, ___)) %>% 
  # Impute air_temp with its mean
  ___(air_temp = ifelse(___(___), ___(___, na.rm = ___), ___))

# Print the first 10 rows of tao_imp
head(tao_imp, 10)
Editează și rulează codul