ПочатиПочніть безкоштовно

Імпутація значень нижче діапазону з даними nabular

Ми хочемо відстежувати значення, які імпутували. Якщо цього не робити, дуже складно оцінити, наскільки хороші імпутовані значення.

Ми попрактикуємося в імпутації даних і відтворимо візуалізації з попереднього блоку вправ, імпутувавши значення нижче діапазону даних.

Це дуже корисний спосіб глибше дослідити пропуски, а також надати основу для імпутації відсутніх значень.

Спочатку ми імпутуємо дані нижче діапазону за допомогою impute_below_all(), а потім візуалізуємо дані. Ми помічаємо, що хоч і можемо побачити, де саме були пропущені значення в цьому випадку, нам потрібен спосіб їх відстежувати. У цьому допоможе шаблон програмування для відстеження пропусків.

Ця вправа є частиною курсу

Робота з пропущеними даними в R

Переглянути курс

Інструкції до вправи

Використовуючи дані oceanbuoys:

  • Імпутуйте значення нижче діапазону за допомогою impute_below_all().
  • Візуалізуйте нові пропуски для wind_ew на осі x і air_temp_c на осі y.
  • Імпутуйте й відстежуйте дані за допомогою bind_shadow(), impute_below_all() і add_label_shadow().
  • Відобразьте графік і перегляньте імпутовані значення.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)

# Visualize the new missing values
ggplot(___, 
       aes(x = ___, y = ___)) +  
  geom_point()

# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>% 
  ___() %>% 
  ___()

# Look at the imputed values
___
Редагувати та запускати код