多种变量类型的模型法插补
您已经成功编写了一个函数，用逻辑回归并从条件分布中抽样来进行插补。这个统计方法已经相当高级了！在本练习中，您将把目前学到的基于模型的插补方法结合起来，对 tao 数据中的不同类型变量进行插补。
您的任务是像上一章那样按变量迭代，并插补两个变量：
is_hot，一个由air_temp派生出的二元变量；当air_temp大于等于 26 度时取 1，否则取 0；humidity，一个您已经很熟悉的连续变量。
您需要同时使用之前学过的线性回归函数，以及您自己编写的逻辑回归函数。开始吧！
本练习是课程的一部分
R 中的缺失值填补处理
练习说明
- 在最初缺失的位置将
is_hot设为NA。 - 使用您的函数
impute_logreg()，以sea_surface_temp为唯一自变量，通过逻辑回归对is_hot进行插补。 - 在最初缺失的位置将
humidity设为NA。 - 使用线性回归，以
sea_surface_temp和air_temp为自变量，对humidity进行插补。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Initialize missing values with hot-deck
tao_imp <- hotdeck(tao)
# Create boolean masks for where is_hot and humidity are missing
missing_is_hot <- tao_imp$is_hot_imp
missing_humidity <- tao_imp$humidity_imp
for (i in 1:3) {
# Set is_hot to NA in places where it was originally missing and re-impute it
___ <- NA
tao_imp <- ___(tao_imp, ___ ~ ___)
# Set humidity to NA in places where it was originally missing and re-impute it
___ <- NA
tao_imp <- ___(tao_imp, ___ ~ sea_surface_temp + ___)
}