缺失数据别怕！这里有份强大的初学者指南

在R中，MICE集提供多个插补。

library(mice) 
imp<-mice(diabetes, method="norm.predict", m=1) 
data_imp<-complete(imp) 
imp<-mice(diabetes, m=5) 
fit<-with(data=imp, lm(y~x+z)) 
combine<-pool(fit) 

MICE的弱点：

• 不像其他估算要领一样具有理论依据
• 数据的伟大性

处理赏罚缺失的数据是数据科学家事变的最重要部门之一。算法中拥有干净的数据意味着你的呆板进修算法的机能会更好。在数据整理进程开始时，区分MCAR，MAR，MNAR是必不行少的。固然有差异的要领来处理赏罚缺失的数据插补，但KNN和MICE如故是处理赏罚持续和分类数据的最受接待的要领。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!