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.

Acest exercițiu face parte din cursul

Supervised Learning în R: Clasificare

Vezi cursul

Instrucțiuni pentru exercițiu

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.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Find the average age among non-missing values
summary(___)

# Impute missing age values with the mean age
donors$imputed_age <- ifelse(___)

# Create missing value indicator for age
donors$missing_age <- ___

Editează și rulează codul