Tips och tricks för hot-deck II: sortering efter korrelerade variabler
Ytterligare ett trick som kan förbättra hot-deck-imputering är att sortera data efter variabler som är korrelerade med den variabel du vill imputera.
I alla marginalplottar du har ritat nyligen har du sett att lufttemperatur är starkt korrelerad med havsytans temperatur – vilket är fullt logiskt. Den kunskapen kan du utnyttja för att förbättra din hot-deck-imputering. Om du först sorterar data efter sea_surface_temp, kommer varje imputerat air_temp-värde att hämtas från en givare med liknande sea_surface_temp. Låt oss se hur det fungerar i praktiken!
Den här övningen är en del av kursen
Hantering av saknade värden med imputering i R
Övningsinstruktioner
- Imputera de saknade värdena i
air_tempi datamängdentaomed hot-deck-metoden, sorterat eftersea_surface_temp, och tilldela resultatet tilltao_imp. - Skapa en marginalplott över
air_tempmotsea_surface_temp.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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) %>%
___(___ = ___)