回归插补法_用均值替换、回归插补及多重插补进行插补

##设置工作空间

#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间

setwd("F： /数据及程序/chapter4/示例程序")

#读取销售数据文件，提取标题行

inputfile=read.csv('./data/catering_sale.csv'， he=T)

#变换变量名

inputfile=data.frame(sales=inputfile$'销量'， date=inputfile$'日期')

#数据截取

inputfile=inputfile［5： 16，］

#缺失数据的识别

is.na(inputfile) #判断是否存在缺失

n=sum(is.na(inputfile) ) #输出缺失值个数#异常值识别

par(mfrow=c(1， 2) ) #将绘图窗口划为1行两列，同时显示两图

dotchart(inputfile$sales) #绘制单变量散点图

boxplot(inputfile$sales， horizontal=T) #绘制水平箱形图

#异常数据处理

inputfile$sales［5］ =NA #将异常值处理成缺失值

fix(inputfile) #表格形式呈现数据

#缺失值的处理

inputfile$date=as.numeric(inputfile$date) #将日期转换成数值型变量

sub=which(is.na(inputfile$sales) ) #识别缺失值所在行数

inputfile1=inputfile［-sub，］ #将数据集分成完整数据和缺失数据两部分inputfile2=inputfile［sub，］#行删除法处理缺失，结果转存result1=inputfile1#均值替换法处理缺失，结果转存avg_sales=mean(inputfile1$sales) #求变量未缺失部分的均值

inputfile2$sales=rep(avg_sales， n) #用均值替换缺失

result2=rbind(inputfile1， inputfile2) #并入完成插补的数据

#回归插补法处理缺失，结果转存

model=lm(sales~date， data=inputfile1) #回归模型拟合

inputfile2$sales=predict(model， inputfile2) #模型预测

result3=rbind(inputfile1， inputfile2)

#多重插补法处理缺失，结果转存

library(lattice) #调入函数包library(MASS)library(nnet)

library(mice) #前三个包是mice的基础

imp=mice(inputfile， m=4) #4重插补，即生成4个无缺失数据集

fit=with(imp， lm(sales~date， data=inputfile) ) #选择插补模型

pooled=pool(fit)

summary(pooled)

result4=complete(imp， action=3) #选择第三个插补数据集作为结果

回归插补法_用均值替换、回归插补及多重插补进行插补相关推荐

回归插补法_没有完美的数据插补法，只有最适合的
数据缺失是数据科学家在处理数据时经常遇到的问题,本文作者基于不同的情境提供了相应的数据插补解决办法.没有完美的数据插补法,但总有一款更适合当下情况. 我在数据清理与探索性分析中遇到的最常见问题之一就是 ...
大学老师谈小学数学（二）：大灰狼分饼 vs 多退少补法_拔剑-浆糊的传说_新浪博客...
大学老师谈小学数学(二):大灰狼分饼 vs 多退少补法 -- 拔剑,2015/06/20 [问题]大毛和小毛共有10个饼,小毛比大毛多2个,问各有几何? ======================= ...
idea代码补全_不想得手指关节炎？帮你提炼IDEA常用代码补全操作
一.常用的代码补全操作 1..for和.fori(for 循环遍历) 输入args.for回车(args是一个数组或集合类),则会生成for循环遍历: 输入args.fori回车,则会生成带有索引的f ...
门限回归模型的思想_面板门限回归模型及Stata
门限回归模型(Threshold Regressive Model,简称TR模型或TRM)是汤家豪于1978年提出了门限自回归模型后进一步将这一思想扩展到回归模型中 .门限回归模型的基本思想是通过门限 ...
python 线性回归回归缺失值忽略_机器学习第3篇：数据预处理（使用插补法处理缺失值）...
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
python均值插补法填补缺失值_R语言笔记（四）：特殊值处理
输入数据后,我们就能在 R 中对数据进行一系列的操作了.但现实获得的第一手数据往往都是不完整.不整齐的,比如存在数据本身缺失值.离群值,数据框存在冗余行或列,抑或数据需要进一步加工才能获取有意义的变量 ...
python预处理缺失值_数据预处理第3篇：数据预处理（使用插补法处理缺失值）...
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
数据预处理第3篇：数据预处理（使用插补法处理缺失值）
插补法可以在一定程度上减少偏差,常用的插补法是热卡插补.拟合插补和多重插补.拟合插补,要求变量间存在强的相关性:多重插补(MCMC法),是在高缺失率下的首选插补方法,优点是考虑了缺失值的不确定性. 一 ...
sklearn_逻辑回归制作评分卡_菜菜视频学习笔记
逻辑回归制作评分卡 3.0 前言逻辑回归与线性回归的关系消除特征间的多重共线性为什么使用逻辑回归处理金融领域数据正则化的选择特征选择的方法分箱的作用 3.1导库 3.2数据预处理 3.2. ...

回归插补法_用均值替换、回归插补及多重插补进行插补

回归插补法_用均值替换、回归插补及多重插补进行插补相关推荐

最新文章

热门文章

回归插补法_用均值替换、 回归插补及多重插补进行插补

回归插补法_用均值替换、 回归插补及多重插补进行插补相关推荐

最新文章

热门文章

回归插补法_用均值替换、回归插补及多重插补进行插补

回归插补法_用均值替换、回归插补及多重插补进行插补相关推荐