Imputeringsfel per variabel

I den föregående övningen extraherade du de uppskattade imputeringsfelen från missForests utdata. Det gav dig två värden:

det normaliserade rotmedelkvadratfelet (NRMSE) för alla kontinuerliga variabler;
andelen felaktigt klassificerade observationer (PFC) för alla kategoriska variabler.

Det kan dock hända att imputeringsmodellen presterar bra för en kontinuerlig variabel men dåligt för en annan! För att diagnostisera sådana fall räcker det att be missForest att producera feluppskattningar per variabel. Det görs genom att sätta argumentet variablewise till TRUE.

Data från biopics och paketet missForest har redan laddats åt dig – nu ska vi titta närmare på felen!

Den här övningen är en del av kursen

Hantering av saknade värden med imputering i R

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Impute biopics data with missForest computing per-variable errors
imp_res <- ___(___, ___ = ___)

Redigera och kör kod

Den här övningen är en del av kursen

Hantering av saknade värden med imputering i R

SkillTag.level.advancedSkillTag.label

4.8+

Starta kursen gratis

I det här kapitlet får du lära dig varför saknade data kan utgöra en risk vid analys av en datamängd. Du introduceras till de tre mekanismerna för saknade data och lär dig att känna igen dem med hjälp av statistiska tester och visualiseringsverktyg.

Exercise 1: Saknade värden: vad kan gå fel Exercise 2: Linjär regression med ofullständiga data Exercise 3: Analysera regressionsresultat Exercise 4: Jämföra modeller Exercise 5: Mekanismer bakom saknade data Exercise 6: Identifiera mekanismer för saknade data Exercise 7: t-test för MAR: förberedelse av data Exercise 8: t-test för MAR: tolkning Exercise 9: Visualisering av mönster i saknade data Exercise 10: Aggregationsplot Exercise 11: Spine plot Exercise 12: Mosaikplot

Bekanta dig med taxonomin för imputeringsmetoder och lär dig tre donatorsbaserade tekniker: medelvärdesimputering, hot-deck-imputering och k-närmaste-grannar-imputering. Du får se hur metoderna fungerar under huven innan du tillämpar dem på ett verkligt dataset med tropiskt väder. På vägen lär du dig också användbara knep som gör metoderna ännu mer effektiva.

Exercise 1: Medelvärdesimputering Exercise 2: Att känna igen riskerna med medelvärdeskalkylering Exercise 3: Medelvärdesimputering av temperaturen Exercise 4: Utvärdera imputeringskvalitet med marginalplot Exercise 5: Hot-deck-imputering Exercise 6: Enkel hot-deck-imputering Exercise 7: Tips och tricks för hot-deck I: imputering inom domäner Exercise 8: Tips och tricks för hot-deck II: sortering efter korrelerade variabler Exercise 9: k-Nearest-Neighbors-imputering Exercise 10: Välja antal grannar Exercise 11: kNN-tips och tricks I: viktning av donatorer Exercise 12: kNN – tips och tricks II: sortera variabler

Nu är det dags att lära dig använda statistiska modeller och maskininlärningsmodeller – som linjär regression, logistisk regression och random forests – för att imputera saknade data. I det här kapitlet undersöker du hur modellerna gör sina förutsägelser och använder den kunskapen för att dra imputerade värden från betingade fördelningar. Det här är viktigt eftersom det säkerställer att dina imputeringar blir mer varierade och rimliga, och på så sätt liknar de verkliga data mer.

Exercise 1: Modellbaserad imputeringsmetod Exercise 2: Imputering med linjär regression Exercise 3: Initialisera saknade värden och iterera över variabler Exercise 4: Detektera konvergens Exercise 5: Att återskapa datavariabilitet Exercise 6: Imputering med logistisk regression Exercise 7: Urval från betingad fördelning Exercise 8: Modellbaserad imputering med flera variabeltyper Exercise 9: Trädbaserad imputering Exercise 10: Imputering med slumpskogar Exercise 11: Imputeringsfel per variabel

Aktuell övning

Exercise 12: Avvägning mellan hastighet och noggrannhet

Imputerade värden är inte hugna i sten – de är uppskattningar, och uppskattningar är förenade med osäkerhet. I det här avslutande kapitlet får du lära dig hur bootstrapping och kedjebaserade ekvationer med paketet mice kan användas för att integrera imputeringsosäkerhet i dina modeller och analyser, och på så sätt göra dem mer tillförlitliga och robusta.

Exercise 1: Multipel imputation med bootstrapping Exercise 2: Paketera imputering och modellering i en funktion Exercise 3: Kör bootstrapping Exercise 4: Konfidensintervall med bootstrapping Exercise 5: Multipel imputation med kedjelikationer Exercise 6: MICE-flödet: mice - with - pool Exercise 7: Välja standardmodeller Exercise 8: Använda prediktormatris Exercise 9: Att sätta ihop allt Exercise 10: Analysera mönster för saknade data Exercise 11: Imputera och granska utfall Exercise 12: Inferens med imputerade data Exercise 13: Avslutande kommentarer