前言

接着对前文数据集进行多重插补来填补缺失值，利用的是mice包中的airquality数据集，关于R实现缺失值的识别和可视化可看前文，并且此处对原理将不再赘述
关于R实现缺失值的可视化

一、进行多重插补

mice包中的mice()函数可以对数据集进行缺失值的填补，通过?mice可以看到mice函数的具体细节。其中参数
m表示多重填补法的填补矩阵数，默认为5次；
maxit表示最大迭代次数，默认5次；
method表示可以使用的多种算法，可以看到内部有pmm（预测平均值配对法），rf（随机森林插补法）等，当然也有着针对多元因子变量缺失值的填补。此处使用随机森林模型进行缺失值的多重插补

> #多重插补
> library(mice)
> x <- mice(airquality, m=5, maxit = 50, method = 'rf', seed = 500)iter imp variable1   1  Ozone  Solar.R1   2  Ozone  Solar.R1   3  Ozone  Solar.R1   4  Ozone  Solar.R1   5  Ozone  Solar.R2   1  Ozone  Solar.R2   2  Ozone  Solar.R2   3  Ozone  Solar.R2   4  Ozone  Solar.R2   5  Ozone  Solar.R3   1  Ozone  Solar.R3   2  Ozone  Solar.R3   3  Ozone  Solar.R3   4  Ozone  Solar.R3   5  Ozone  Solar.R
#...省略结果

通过其中的imp可以得到插补的情况，

> #查看填补结果
> x$imp
$Ozone1   2   3   4   5
5   21  34  23  11  18
10  28  11  23  11  19
25   8   6  20   1  19
26  16  32  30  45  19
27  20  18  37  14 108
#...省略结果

其中第一列代表着对应的行数，后五列分别是五次插补得到的值。

二、多重插补结果可视化

通过stripplot()函数可以得到缺失值插补的情况，红色的点代表了插补的数据，由上文可知只有Ozone和Solar.R含有缺失值，所以只有这两个变量进行了填补。

stripplot(x, col=c("grey",mdc(2)),pch=c(1,20))

再对五次填补进行分组观察，第一张图表达着原始数据，后五张图分别代表了五次插补的情况，红色的点代表了插补值，可以看出第一种插补较好

xyplot(x , Ozone ~  Solar.R | .imp, pch=20,cex=1.2)

三、结果评估与结果选择

mice包中的with()函数进行插补结果的评估，此处利用了广义线性模型进行模型评估，根据P值可以进行最显著模型的选择，可以发现第一组情况较好。

> #评估模型
> fit <- with(x,glm(Ozone ~ Wind + Solar.R + Temp))
> summary(fit)
# A tibble: 20 × 6term        estimate std.error statistic  p.value  nobs<chr>          <dbl>     <dbl>     <dbl>    <dbl> <int>1 (Intercept) -58.5      19.4        -3.02 2.96e- 3   1532 Wind         -3.11      0.556      -5.59 1.05e- 7   1533 Solar.R       0.0514    0.0201      2.56 1.16e- 2   1534 Temp          1.55      0.216       7.19 2.88e-11   1535 (Intercept) -55.7      21.5        -2.60 1.04e- 2   1536 Wind         -3.15      0.617      -5.10 1.03e- 6   1537 Solar.R       0.0754    0.0223      3.38 9.24e- 4   1538 Temp          1.48      0.238       6.23 4.42e- 9   1539 (Intercept) -57.0      20.0        -2.84 5.09e- 3   153
10 Wind         -2.78      0.575      -4.84 3.23e- 6   153
11 Solar.R       0.0653    0.0208      3.14 2.05e- 3   153
12 Temp          1.45      0.223       6.51 1.07e- 9   153
13 (Intercept) -33.5      22.1        -1.52 1.32e- 1   153
14 Wind         -3.75      0.634      -5.92 2.17e- 8   153
15 Solar.R       0.0415    0.0230      1.80 7.32e- 2   153
16 Temp          1.34      0.247       5.44 2.10e- 7   153
17 (Intercept) -48.6      20.4        -2.39 1.82e- 2   153
18 Wind         -2.94      0.585      -5.03 1.40e- 6   153
19 Solar.R       0.0549    0.0211      2.60 1.02e- 2   153
20 Temp          1.41      0.227       6.19 5.54e- 9   153

最后对插补数据进行选择，这里选择第一次插补的结果

> #选择填补值
> result4=complete(x,action=1)
> head(result4)Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    21      99 14.3   56     5   5
6    28     299 14.9   66     5   6

关于R实现多重插补及其可视化相关推荐

R语言︱缺失值处理之多重插补——mice包
每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 笔者寄语:缺失值是数据清洗过程中非常重要的问题 ...
R数据分析：扫盲贴，什么是多重插补
好多同学跑来问,用spss的时候使用多重插补的数据集,怎么选怎么用?是不是简单的选一个做分析?今天写写这个问题. 什么时候用多重插补首先回顾下三种缺失机制或者叫缺失类型: 上面的内容之前写过,这儿就 ...
R语言数据缺失值处理（随机森林，多重插补）
缺失值是指数据由于种种因素导致的数据不完整,可以分为机械原因和人为原因.对于缺失值我们通常采用以下几种方法来进行插补. 1.读取数据通过read.csv函数导入文档,也可以用其他函数读入,如open ...
多重插补均值插补_Feature Engineering Part-1均值/中位数插补。
多重插补均值插补 Understanding the Mean /Median Imputation and Implementation using feature-engine-.! 了解使用特 ...
python多重插补_5.4 缺失值插补
5.4 缺失值插补因为各种各样的原因,真实世界中的许多数据集都包含缺失数据,这类数据经常被编码成空格.NaNs,或者是其他的占位符.但是这样的数据集并不能scikit-learn学习算法兼容,因为大 ...
R语言缺失值插补之simputation包
获取更多R语言和生信知识,请欢迎关注公众号:医学和生信笔记医学和生信笔记公众号主要分享:1.医学小知识.肛肠科小知识:2.R语言和Python相关的数据分析.可视化.机器学习等:3.生物信息学学习 ...
Python手册(Machine Learning)--statsmodels(列联表和多重插补)
列联表和多重插补 Contingency tables(列联表) Independence(独立性) Symmetry and homogeneity(对称性和同质性) A single 2x2 ta ...
stata对包含协变量的模型进行缺失值多重插补分析
多重插补已成为处理缺失数据的常用方法 . 我们围绕多重插补技术进行一些咨询,帮助客户解决独特的业务问题. 我们可以考虑使用多个插补来估算X中的缺失值.接下来的一个自然问题是,在X的插补模型中,变量Y是 ...
r语言插补法_R语言用多重插补法估算相对风险
在这里,我将用R中的一个小模拟示例进行说明.首先,我们使用X1和X2双变量法线和Y模拟大型数据集,其中Y遵循给定X1和X2的逻辑模型. 首先,我们模拟一个非常大的完整数据集: #simulate完整数 ...

关于R实现多重插补及其可视化

文章目录

前言

一、进行多重插补

二、多重插补结果可视化

三、结果评估与结果选择

关于R实现多重插补及其可视化相关推荐

最新文章

热门文章