เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประเมินการ Imputation: มาตราส่วนของข้อมูล

แม้ว่าการ imputation แบบค่าเฉลี่ยอาจดูไม่แย่เมื่อเปรียบเทียบด้วย box plot แต่สิ่งสำคัญคือต้องทำความเข้าใจความแปรปรวนในข้อมูลด้วย ดังนั้นจึงควรสำรวจว่ามาตราส่วนและการกระจายตัวของค่าที่ impute มาเปลี่ยนแปลงไปจากข้อมูลเดิมอย่างไร

วิธีหนึ่งในการประเมินความเหมาะสมของมาตราส่วนคือการใช้ scatter plot เพื่อตรวจสอบว่าค่าที่ได้อยู่ในช่วงที่สมเหตุสมผลหรือไม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

โดยใช้ชุดข้อมูลที่ผ่านการ impute แล้ว คือ ocean_imp_mean:

  • สำรวจค่าที่ impute ของอุณหภูมิอากาศ (แกน x) และความชื้น (แกน y) ด้วย scatter plot โดยระบุ color = any_missing
  • ต่อยอดจากการแสดงผลนี้ด้วยการแบ่งกลุ่มตามปี

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Explore imputations in air temperature and humidity,  
# coloring by the variable, any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Explore imputations in air temperature and humidity,  
# coloring by the variable, any_missing, and faceting by year
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  ___() +  
  facet_wrap(~___)
แก้ไขและรันโค้ด