使用随机森林进行插补
与传统统计模型相比，机器学习的插补方法往往更准确，也更易于实现。首先，您无需事先指定变量之间的关系。此外，像随机森林这样的机器学习模型能够捕捉高度复杂的非线性关系，并据此预测缺失值。
在本练习中，您将熟悉 missForest 包。该包会为每个变量分别构建一个随机森林，逐一预测其缺失值。您将对传记电影数据 biopics（您在本课程前面已使用过）调用插补函数，然后提取填补后的数据以及估计的插补误差。
现在就来"种"一些随机森林吧！
本练习是课程的一部分
R 中的缺失值填补处理
练习说明
- 加载
missForest包。 - 使用
missForest()对biopics数据中的缺失值进行插补；将结果赋给imp_res。 - 从
imp_res中提取填补后的数据集，赋给imp_data，并检查缺失值的数量是否确为 0。 - 从
imp_res中提取估计的插补误差，赋给imp_err，并将其打印到控制台。
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 missForest package
___
# Impute biopics data using missForest
imp_res <- ___(___)
# Extract imputed data and check for missing values
imp_data <- imp_res$___
print(___(___(___)))
# Extract and print imputation errors
imp_err <- imp_res$___
print(___)