Kom igångKom igång gratis

Utvärdera dåliga imputationer

För att utvärdera imputationer är det bra att veta hur ett dåligt resultat ser ut. Låt oss därför titta på en typiskt dålig imputationsmetod: att fylla i saknade värden med medelvärdet.

I den här övningen undersöker vi hur medelvärdesimputation fungerar med hjälp av ett låddiagram och datamängden oceanbuoys.

Den här övningen är en del av kursen

Hantera saknade värden i R

Visa kurs

Övningsinstruktioner

För datamängden oceanbuoys:

  • Imputera medelvärdet med impute_mean_all() och spåra imputationerna med add_label_shadow().
  • Utforska de imputerade värdena för luftfuktighet (humidity) med ett låddiagram.
  • Utforska de imputerade värdena för lufttemperatur (air_temp_c) med ett låddiagram.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Impute the mean value and track the imputations 
ocean_imp_mean <- bind_shadow(___) %>% 
  ___() %>% 
  ___()

# Explore the mean values in humidity in the imputed dataset
ggplot(___, 
       aes(x = ___, y = ___)) + 
  geom_boxplot()

# Explore the values in air temperature in the imputed dataset
ggplot(___, 
       aes(x = ___, y = ___)) + 
  geom_boxplot()
Redigera och kör kod