Hantera saknade värden

Några av de potentiella givarna saknar data för age. Tyvärr utesluter R alla observationer med NA-värden när en regressionsmodell byggs.

Ett sätt att hantera detta är att ersätta, eller imputera, de saknade värdena med ett uppskattat värde. Därefter kan du även skapa en indikatorvariabel för saknade värden, för att modellera möjligheten att observationer med saknad data skiljer sig på något sätt från de utan.

Dataramen donors är laddad i din arbetsmiljö.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Använd summary() på donors$age för att ta reda på medelåldern bland prospekt med icke-saknade värden.
Använd ifelse() och testet is.na(donors$age) för att imputera medelvärdet (avrundat till 2 decimaler) för observationer med saknad age. Se till att även ignorera NA-värden.
Skapa en binär dummyvariabel med namnet missing_age som anger förekomsten av saknade värden, med hjälp av ytterligare ett ifelse()-anrop och samma test.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 <- ___

Redigera och kör kod