ÎncepețiÎncepe gratuit

Imputare bazată pe model cu mai multe tipuri de variabile

Felicitări pentru că ai scris funcția de imputare prin regresie logistică cu extragere din distribuția condiționată – este statistică destul de avansată pe care ai reușit să o implementezi! În acest exercițiu, vei combina tot ce ai învățat până acum despre imputarea bazată pe model pentru a imputa diferite tipuri de variabile din setul de date tao.

Sarcina ta este să iterezi peste variabile, la fel cum ai făcut în capitolul anterior, și să imputezi două variabile:

  • is_hot, o nouă variabilă binară creată din air_temp, care are valoarea 1 dacă air_temp este de 26 de grade sau mai mult și 0 în caz contrar;
  • humidity, o variabilă continuă cu care ești deja familiarizat(ă).

Va trebui să folosești funcția de regresie liniară pe care ai învățat-o anterior, precum și propria ta funcție pentru regresia logistică. Să începem!

Acest exercițiu face parte din cursul

Gestionarea datelor lipsă prin imputare în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Setează is_hot la NA în locurile unde era inițial lipsă.
  • Imputează is_hot cu regresie logistică, folosind sea_surface_temp ca singurul predictor; utilizează funcția ta impute_logreg().
  • Setează humidity la NA în locurile unde era inițial lipsă.
  • Imputează humidity cu regresie liniară, folosind sea_surface_temp și air_temp ca predictori.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Initialize missing values with hot-deck
tao_imp <- hotdeck(tao)

# Create boolean masks for where is_hot and humidity are missing
missing_is_hot <- tao_imp$is_hot_imp
missing_humidity <- tao_imp$humidity_imp

for (i in 1:3) {
  # Set is_hot to NA in places where it was originally missing and re-impute it
  ___ <- NA
  tao_imp <- ___(tao_imp, ___ ~ ___)
  # Set humidity to NA in places where it was originally missing and re-impute it
  ___ <- NA
  tao_imp <- ___(tao_imp, ___ ~ sea_surface_temp + ___)
}
Editează și rulează codul