线性回归插补
有时，您可以利用领域知识、既往研究，或直接凭借常识，来描述数据中各变量之间的关系。在这种情况下，基于模型的插补是很好的方案。它允许您根据自己指定的统计模型，对每个变量进行插补，并将您对于变量相互影响方式的任何假设纳入考虑。
对于连续变量，常用的模型是线性回归。不过，它并不把您限制在"线性关系"上！您始终可以在自变量中加入某个变量的平方项或对数项。在本练习中，您将使用 simputation 包对 tao 数据执行一次线性回归插补，并分析结果。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
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 simputation package
___
# Impute air_temp and humidity with linear regression
formula <- ____
tao_imp <- ___(tao, formula)