评估插补（多模型与多变量）
当您构建插补模型时，最好与另一种方法进行比较。
在本节中，您将添加一个最终的插补模型，其中包含一条额外且有用的信息，有助于解释数据中的部分变异。然后，像上一节那样，对这些数值进行比较。
本练习是课程的一部分
在 R 中处理缺失数据
练习说明
使用 oceanbuoys 数据集：
- 使用
impute_lm()进行插补，并将year加入模型。 - 绑定这些插补方法，将
ocean_imp_mean放入mean，ocean_imp_lm_wind放入lm_wind，ocean_imp_lm_wind_year放入lm_wind_year。 - 查看
air_temp_c（x 轴）与humidity（y 轴）的数值，按是否缺失着色，并按插补模型进行分面。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build a model adding year to the outcome
ocean_imp_lm_wind_year <- bind_shadow(___) %>%
impute_lm(air_temp_c ~ wind_ew + wind_ns + ___) %>%
impute_lm(humidity ~ wind_ew + wind_ns + ___) %>%
add_label_shadow()
# Bind the mean, lm_wind, and lm_wind_year models together
bound_models <- bind_rows(mean = ocean_imp_mean,
lm_wind = ocean_imp_lm_wind,
lm_wind_year = ___,
.id = "imp_model")
# Explore air_temp and humidity, coloring by any missings, and faceting by imputation model
ggplot(___, aes(x = ___, y = ___, color = any_missing)) +
geom_point() + facet_wrap(~___)