BaşlayınÜcretsiz başlayın

Veri ataması için simputation kullanma

R'da birçok atama (imputation) paketi var. Biz, atamaları gerçekleştirmek için basit ve güçlü bir arayüz sunan simputation paketine odaklanacağız.

İyi bir atama modeli kurmak çok önemli ama aynı zamanda karmaşık bir konu — iyi bir istatistiksel model kurmak kadar emek ister. Bu derste, atamaları nasıl değerlendireceğine odaklanacağız.

Önce, belirtilen doğrusal modele göre değerleri atayan impute_lm() fonksiyonunu kullanmaya bakacağız.

Bu egzersizde, önceki değerlendirme tekniklerini impute_lm() ile elde edilen verilere uygulayacak ve sonraki derslerde bu atama yönteminin üzerine koyacağız.

Bu egzersiz, kursun bir parçasıdır

R'de Eksik Verilerle Başa Çıkma

Kursa Göz Atın

Egzersiz talimatları

oceanbuoys veri kümesini kullanarak:

  • humidity değişkenini wind_ew ve wind_ns ile ata (impute et) ve eksik değerleri add_label_shadow() ile takip et.
  • air_temp_c ve humidity için atanmış değerleri çiz, sırasıyla x ve y eksenlerine yerleştir ve rengi any_missing() ile belirle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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()
Kodu Düzenle ve Çalıştır