เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ใช้ simputation เพื่อ impute ข้อมูล

มีแพ็กเกจ imputation หลายตัวใน R ในบทเรียนนี้จะเน้นใช้แพ็กเกจ simputation ซึ่งมีอินเทอร์เฟซที่เรียบง่ายแต่ทรงพลังสำหรับการ impute ข้อมูล

การสร้างโมเดล imputation ที่ดีนั้นสำคัญมาก แต่ก็เป็นเรื่องที่ซับซ้อน ต้องใช้ความรู้ไม่ต่างจากการสร้างโมเดลทางสถิติที่ดี ในคอร์สนี้จะเน้นที่วิธีการประเมินผลการ impute เป็นหลัก

จะเริ่มต้นด้วยฟังก์ชัน impute_lm() ซึ่ง impute ค่าตามโมเดลเชิงเส้นที่กำหนดไว้

ในแบบฝึกหัดนี้ จะนำเทคนิคการประเมินที่เรียนมาแล้วมาใช้กับข้อมูลโดยใช้ impute_lm() จากนั้นจะต่อยอดวิธีการ impute นี้ในบทเรียนถัดไป

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

โดยใช้ชุดข้อมูล oceanbuoys:

  • Impute ค่า humidity โดยใช้ wind_ew และ wind_ns แล้วติดตามค่าที่หายไปด้วย add_label_shadow()
  • พล็อตค่าที่ impute แล้วของ air_temp_c และ humidity โดยวาง air_temp_c บนแกน x และ humidity บนแกน y จากนั้นระบายสีตาม any_missing()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Impute humidity and air temperature using wind_ew and wind_ns, and track missing values
ocean_imp_lm_wind <- ___ %>% 
    bind_shadow() %>%
    impute_lm(air_temp_c ~ wind_ew + wind_ns) %>% 
    impute_lm(___ ~ ___ + ___) %>%
    add_label_shadow()
    
# Plot the imputed values for air_temp_c and humidity, colored by missingness
ggplot(___, 
       aes(x = ___, y = ___, color = any_missing)) + 
  geom_point()
แก้ไขและรันโค้ด