Скористайтеся імпутацією KNN

У попередній вправі ви застосували медіанну імпутацію, щоб заповнити пропущені значення в наборі даних про рак молочної залози, але це не єдиний спосіб роботи з пропущеними даними.

Альтернатива медіанній імпутації — імпутація k найближчих сусідів (KNN). Це більш просунутий підхід, за якого пропущені значення замінюються значеннями з інших рядків, подібних до поточного. Хоча на практиці це значно складніше реалізувати, у caret це дуже просто дослідити за допомогою аргументу preProcess у train(). Досить указати preProcess = "knnImpute", щоб змінити метод імпутації перед навчанням моделі.

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

breast_cancer_x і breast_cancer_y уже завантажені у ваш робочий простір.

Використайте функцію train(), щоб навчити модель glm з назвою knn_model на наборі даних про рак молочної залози.
Застосуйте імпутацію KNN для обробки пропущених значень.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Apply KNN imputation: knn_model
knn_model <- train(
  x = ___, 
  y = ___,
  method = ___,
  trControl = myControl,
  preProcess = ___
)

# Print knn_model to console

Редагувати та запускати код