Trucuri și sfaturi pentru hot-deck II: sortare după variabile corelate
Un alt truc care poate îmbunătăți performanța imputării hot-deck este sortarea datelor după variabile corelate cu cea pe care vrem să o imputăm.
De exemplu, în toate graficele de marjă pe care le-ai desenat recent, ai observat că temperatura aerului este puternic corelată cu temperatura suprafeței mării – ceea ce are mult sens. Poți folosi această informație pentru a îmbunătăți imputarea hot-deck. Dacă ordonezi mai întâi datele după sea_surface_temp, fiecare valoare imputată pentru air_temp va proveni de la un donor cu o valoare similară pentru sea_surface_temp. Hai să vedem cum funcționează!
Acest exercițiu face parte din cursul
Gestionarea datelor lipsă prin imputare în R
Instrucțiuni pentru exercițiu
- Imputează valorile lipsă din
air_tempîn setul de datetaofolosind metoda hot-deck, ordonând dupăsea_surface_temp, și atribuie rezultatul variabileitao_imp. - Creează un grafic de marjă pentru
air_tempfață desea_surface_temp.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Hot-deck-impute air_temp in tao ordering by sea_surface_temp
tao_imp <- ___(___, ___ = ___, ___ = ___)
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(air_temp, sea_surface_temp, air_temp_imp) %>%
___(___ = ___)