การจัดการข้อมูลที่หายไป
ผู้บริจาคที่มีแนวโน้มบางรายมีข้อมูล age ที่หายไป น่าเสียดายที่ R จะตัดกรณีที่มีค่า NA ออกเมื่อสร้างโมเดล regression
วิธีแก้ปัญหาอย่างหนึ่งคือการแทนที่ หรือ impute ค่าที่หายไปด้วยค่าประมาณ หลังจากดำเนินการแล้ว อาจสร้างตัวบ่งชี้ข้อมูลที่หายไปเพิ่มเติม เพื่อสร้างโมเดลความเป็นไปได้ที่กรณีที่มีข้อมูลขาดหายอาจแตกต่างจากกรณีที่ข้อมูลครบถ้วน
data frame donors ถูกโหลดไว้ใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Supervised Learning in R: Classification
คำแนะนำการฝึกหัด
- ใช้
summary()กับdonors$ageเพื่อหาค่าเฉลี่ยอายุของผู้ที่มีข้อมูลครบถ้วน - ใช้
ifelse()และเงื่อนไขis.na(donors$age)เพื่อ impute ค่าเฉลี่ย (ปัดเศษให้เหลือ 2 ตำแหน่งทศนิยม) สำหรับกรณีที่ageหายไป และอย่าลืมละเว้นค่าNAด้วย - สร้างตัวแปร dummy แบบ binary ชื่อ
missing_ageเพื่อระบุการมีอยู่ของข้อมูลที่หายไป โดยใช้ifelse()อีกครั้งกับเงื่อนไขเดิม
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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 <- ___