ПочатиПочніть безкоштовно

Імпутація даних із simputation

У R є багато пакетів для імпутації. Ми зосередимося на пакеті simputation, який надає простий і потужний інтерфейс для виконання імпутацій.

Побудова якісної моделі імпутації надзвичайно важлива, але це складна тема — у ній стільки ж нюансів, як і в побудові доброї статистичної моделі. У цьому курсі ми зосередимося на тому, як оцінювати імпутації.

Спершу розглянемо функцію impute_lm(), яка імпутує значення відповідно до заданої лінійної моделі.

У цій вправі ми застосуємо попередні методи оцінювання до даних із impute_lm(), а потім розвинемо цей підхід до імпутації в наступних уроках.

Ця вправа є частиною курсу

Робота з пропущеними даними в R

Переглянути курс

Інструкції до вправи

Використовуючи набір даних oceanbuoys:

  • Імпутуйте humidity, використовуючи wind_ew і wind_ns, та відстежуйте пропущені значення за допомогою add_label_shadow().
  • Побудуйте графік імпутованих значень для air_temp_c і humidity, розмістивши їх відповідно на осях x та y, і задайте колір за any_missing().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код