處理遺漏值
部分潛在捐款人有遺漏的 age 資料。不幸的是，R 在建立迴歸模型時，會排除任何含有 NA 的個案。
一種作法是以估計值取代（也就是「補值」）遺漏值。完成後，你也可以建立一個遺漏值指標，用來建模：具有遺漏值的個案，可能在某些方面與沒有遺漏值的個案不同。
資料框 donors 已載入到你的工作空間。
本練習屬於課程
R 監督式學習：分類
練習說明
- 對
donors$age使用summary()，找出非遺漏資料的潛在捐款人的平均年齡。 - 使用
ifelse()與測試is.na(donors$age)，針對遺漏age的個案補入平均值（四捨五入到小數點後 2 位）。同時務必忽略NA。 - 使用相同的測試再呼叫一次
ifelse()，建立二元虛擬變數missing_age，以標示是否存在遺漏資料。
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。
# 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 <- ___