BaşlayınÜcretsiz başlayın

Tamamlamaları değerlendirme (çoklu modeller ve değişkenler)

Bir tamamlama modeli kurduğunda, bunu başka bir yöntemle karşılaştırmak iyi bir fikirdir.

Bu derste, verideki değişimi açıklamaya yardımcı olan fazladan faydalı bir bilgiyi içeren son bir tamamlama modeli eklemeni isteyeceğiz. Ardından, bir önceki derste yaptığın gibi değerleri karşılaştıracaksın.

Bu egzersiz, kursun bir parçasıdır

R'de Eksik Verilerle Başa Çıkma

Kursa Göz Atın

Egzersiz talimatları

oceanbuoys veri kümesini kullanarak:

  • Modele year ekleyerek impute_lm() ile veriyi tamamla.
  • Tamamlama yöntemlerini birleştir: ocean_imp_mean'i mean, ocean_imp_lm_wind'i lm_wind ve ocean_imp_lm_wind_year'ı lm_wind_year olarak yerleştir.
  • air_temp_c değerlerine (x ekseninde) ve humidity değerlerine (y ekseninde) bak, eksik olanlara göre renklendir ve tamamlama modeline göre panelle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Build a model adding year to the outcome
ocean_imp_lm_wind_year <- bind_shadow(___) %>%
  impute_lm(air_temp_c ~ wind_ew + wind_ns + ___) %>%
  impute_lm(humidity ~ wind_ew + wind_ns + ___) %>%
  add_label_shadow()

# Bind the mean, lm_wind, and lm_wind_year models together
bound_models <- bind_rows(mean = ocean_imp_mean,
                          lm_wind = ocean_imp_lm_wind,
                          lm_wind_year = ___,
                          .id = "imp_model")

# Explore air_temp and humidity, coloring by any missings, and faceting by imputation model
ggplot(___, aes(x = ___, y = ___, color = any_missing)) + 
  geom_point() + facet_wrap(~___)
Kodu Düzenle ve Çalıştır