เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประเมิน Imputation ที่ไม่ดี

การประเมิน imputation จะง่ายขึ้นถ้าเรารู้จักตัวอย่างที่ไม่ดีก่อน มาดูวิธี imputation ที่มักให้ผลไม่ดี นั่นคือการแทนค่าด้วยค่าเฉลี่ย (mean imputation)

ในแบบฝึกหัดนี้ เราจะสำรวจวิธีการทำงานของ mean imputation โดยใช้ box plot กับชุดข้อมูล oceanbuoys

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

สำหรับชุดข้อมูล oceanbuoys:

  • แทนค่าที่หายไปด้วยค่าเฉลี่ยโดยใช้ impute_mean_all() และติดตาม imputation เหล่านี้ด้วย add_label_shadow()
  • สำรวจค่าที่ถูก impute ของความชื้น (humidity) โดยใช้ box plot
  • สำรวจค่าที่ถูก impute ของอุณหภูมิอากาศ (air_temp_c) โดยใช้ box plot

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Impute the mean value and track the imputations 
ocean_imp_mean <- bind_shadow(___) %>% 
  ___() %>% 
  ___()

# Explore the mean values in humidity in the imputed dataset
ggplot(___, 
       aes(x = ___, y = ___)) + 
  geom_boxplot()

# Explore the values in air temperature in the imputed dataset
ggplot(___, 
       aes(x = ___, y = ___)) + 
  geom_boxplot()
แก้ไขและรันโค้ด