Kör bootstrapping

Bra jobbat med att skriva calc_gender_coef() i förra övningen! Den här funktionen skapar ett bootstrap-urval, imputerar det och returnerar regressionskoefficienten från en linjär regression – den beskriver hur stor påverkan det har på filmens intäkter att huvudpersonen är kvinna.

I den här övningen använder du paketet boot för att ta fram en bootstrappad fördelning av sådana koefficienter. Spridningen i fördelningen fångar upp osäkerheten som uppstår vid imputering. Du kommer också att se hur den bootstrappade fördelningen skiljer sig från en enstaka imputering och regression. Nu kör vi igång med bootstrapping!

Den här övningen är en del av kursen

Hantering av saknade värden med imputering i R

Övningsinstruktioner

Läs in paketet boot.
Kör bootstrapping på biopics, ange calc_gender_coef som statistic och sätt R till 50; tilldela resultatet till boot_results.
Använd print() och plot() för att visa bootstrapping-resultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load the boot library
___

# Run bootstrapping on biopics data
boot_results <- ___(___, statistic = ___, R = ___)

# Print and plot bootstrapping results
___
___

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 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

Aktuell övning

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