处理缺失数据
部分潜在捐赠者的 age 数据缺失。遗憾的是，在构建回归模型时，R 会排除任何包含 NA 值的样本。
一种变通方法是用估计值替换（即"插补"）缺失值。完成插补后，您还可以创建一个缺失指示变量，用于建模有缺失数据的样本是否与无缺失数据的样本在某些方面存在差异。
数据框 donors 已加载到您的工作区。
本练习是课程的一部分
R 中的监督学习：分类
练习说明
- 对
donors$age使用summary()，找出非缺失样本的平均年龄。 - 使用
ifelse()和测试is.na(donors$age)，对缺失的age用平均值（四舍五入到小数点后 2 位）进行插补。计算均值时务必也忽略NA。 - 使用相同的测试再调用一次
ifelse()，创建名为missing_age的二元虚拟变量，用 1/0 指示是否存在缺失数据。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Find the average age among non-missing values
summary(___)
# Impute missing age values with the mean age
donors$imputed_age <- ifelse(___)
# Create missing value indicator for age
donors$missing_age <- ___