kNN 小技巧 I：为捐赠者加权
一种常用的 kNN 插补变体会采用所谓的"按距离加权汇总"。也就是说，当我们聚合邻居的取值来替代缺失值时，使用加权平均数，且权重为各邻居距离的倒数。这样，越近的邻居对插补值影响越大。
在本练习中，您将对 tao 数据进行插补，并采用按距离加权的聚合。这只需要在调用 kNN() 函数时额外传入两个参数。我们来试一试吧！
本练习是课程的一部分
R 中的缺失值填补处理
练习说明
- 载入
VIM包。 - 使用 kNN 为
humidity做插补，并在聚合邻居时使用按距离加权的平均值；您需要指定numFun和weightDist参数。 - 用于查看结果的边际图代码已为您准备好。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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")