Eksik verilerle başa çıkma
Bazı potansiyel bağışçıların age verisi eksik. Ne yazık ki, R bir regresyon modeli kurarken NA değerleri olan tüm gözlemleri hariç tutar.
Bir geçici çözüm, eksik değerleri tahmini bir değerle değiştirmek, yani atama (imputation) yapmaktır. Bunu yaptıktan sonra, eksik verisi olan vakaların eksik olmayanlardan bir şekilde farklı olma olasılığını modellemek için bir eksik veri göstergesi de oluşturabilirsin.
donors veri çerçevesi çalışma alanına yüklendi.
Bu egzersiz, kursun bir parçasıdır
R'de Supervised Learning: Sınıflandırma
Egzersiz talimatları
- Eksik olmayan veriye sahip adayların ortalama yaşını bulmak için
donors$ageüzerindesummary()kullan. ifelse()veis.na(donors$age)testini kullanarak,agedeğeri eksik olan gözlemler için ortalamayı (2 ondalık basamağa yuvarlanmış) ata.NAdeğerlerini de yok saydığından emin ol.- Aynı testi kullanarak başka bir
ifelse()çağrısıyla, eksik veri varlığını gösterenmissing_ageadlı ikili bir kukla değişken oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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 <- ___