kNN 小撇步 I：為捐贈者加權
常見的一種 kNN 插補變形是所謂的距離加權彙總。意思是：當我們把近鄰的數值彙總成遺漏值的替代時，改用加權平均，而且權重為各近鄰距離的倒數。結果就是越靠近的近鄰，對插補結果影響越大。
在這個練習中，你會在對 tao 資料做插補時，套用距離加權彙總。這只需要在 kNN() 函式中多傳入兩個引數。來試試看吧！
本練習屬於課程
在 R 中以插補處理遺漏值
練習說明
- 載入
VIM套件。 - 使用 kNN 以距離加權平均彙總近鄰，對
humidity進行插補；你需要指定numFun與weightDist這兩個引數。 - 用於檢視結果的邊際圖已為你寫好。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Load the VIM package
___(___)
# Impute humidity with kNN using distance-weighted mean
tao_imp <- ___(tao,
k = 5,
variable = "humidity",
___ = ___,
___ = ___)
tao_imp %>%
select(sea_surface_temp, humidity, humidity_imp) %>%
marginplot(delimiter = "imp")