1. Learn
    2. /
  2. Cursuri
    3. /
  3. Supervised Learning în R: Clasificare
Connected

Exercițiu

Gestionarea datelor lipsă

Unii dintre potențialii donatori au date lipsă pentru variabila age. Din păcate, R va exclude din modelul de regresie orice observație cu valori NA.

O soluție este să înlocuiești, sau să imputezi, valorile lipsă cu o valoare estimată. După aceasta, poți crea și un indicator pentru datele lipsă, pentru a modela posibilitatea că observațiile cu date lipsă diferă cumva de cele fără.

Setul de date donors este deja încărcat în spațiul tău de lucru.

Instrucțiuni

100 XP
  • Folosește summary() pe donors$age pentru a afla vârsta medie a prospecților cu date disponibile.
  • Folosește ifelse() și testul is.na(donors$age) pentru a imputa media (rotunjită la 2 zecimale) pentru observațiile cu age lipsă. Asigură-te că ignori și valorile NA.
  • Creează o variabilă binară dummy numită missing_age, care să indice prezența datelor lipsă, folosind un alt apel ifelse() cu același test.