R recipes step_impute_linear 通过线性模型估算数值变量

step_impute_linear() 创建配方步骤的规范，该步骤将创建线性回归模型来估算缺失数据。

用法

step_impute_linear(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  impute_with = imp_vars(all_predictors()),
  models = NULL,
  skip = FALSE,
  id = rand_id("impute_linear")
)

参数

recipe: 一个菜谱对象。该步骤将添加到此配方的操作序列中。
...: 一个或多个选择器函数来选择要估算的变量；这些变量的类型必须是 numeric 。当与 imp_vars 一起使用时，这些点指示哪些变量用于预测每个变量中的缺失数据。有关更多详细信息，请参阅selections()。
role: 由于没有创建新变量，因此此步骤未使用。
trained: 指示预处理数量是否已估计的逻辑。
impute_with: 调用 imp_vars 来指定使用哪些变量来插补变量，这些变量可以包含由逗号或不同选择器分隔的特定变量名称(请参阅 selections() )。如果某个列同时包含在要插补的列表和插补预测变量的列表中，则该列将从后者中删除，并且不会用于插补本身。
models: 一旦线性模型经过 prep() 训练，lm() 对象就会存储在这里。
skip: 一个合乎逻辑的。当bake() 烘焙食谱时是否应该跳过此步骤？虽然所有操作都是在 prep() 运行时烘焙的，但某些操作可能无法对新数据进行(例如处理结果变量)。使用skip = TRUE时应小心，因为它可能会影响后续操作的计算。
id: 该步骤特有的字符串，用于标识它。

值

recipe 的更新版本，将新步骤添加到任何现有操作的序列中。

细节

对于需要插补的每个变量，拟合线性模型，其中结果是感兴趣的变量，预测变量是 impute_with 公式中列出的任何其他变量。请注意，如果要估算的变量也在 impute_with 中，则该变量将被忽略。

要估算的变量必须为 numeric 类型。估算值将保持与其原始数据相同的类型(即，模型预测根据需要强制为整数)。

由于这是线性回归，插补模型仅使用训练集预测变量的完整案例。

整理

当您tidy()此步骤时，将返回包含列terms(选择的选择器或变量)和model(袋装树对象)的tibble。

箱重

此步骤执行可以利用案例权重的无监督操作。因此，个案权重仅与频率权重一起使用。有关更多信息，请参阅 case_weights 中的文档和 tidymodels.org 中的示例。

参考

库恩，M. 和约翰逊，K. (2013)。特征工程和选择https://bookdown.org/max/FES/handling-missing-data.html

也可以看看

其他插补步骤： step_impute_bag() 、 step_impute_knn() 、 step_impute_lower() 、 step_impute_mean() 、 step_impute_median() 、 step_impute_mode() 、 step_impute_roll()

例子

data(ames, package = "modeldata")
set.seed(393)
ames_missing <- ames
ames_missing$Longitude[sample(1:nrow(ames), 200)] <- NA

imputed_ames <-
  recipe(Sale_Price ~ ., data = ames_missing) %>%
  step_impute_linear(
    Longitude,
    impute_with = imp_vars(Latitude, Neighborhood, MS_Zoning, Alley)
  ) %>%
  prep(ames_missing)

imputed <-
  bake(imputed_ames, new_data = ames_missing) %>%
  dplyr::rename(imputed = Longitude) %>%
  bind_cols(ames %>% dplyr::select(original = Longitude)) %>%
  bind_cols(ames_missing %>% dplyr::select(Longitude)) %>%
  dplyr::filter(is.na(Longitude))

library(ggplot2)
ggplot(imputed, aes(x = original, y = imputed)) +
  geom_abline(col = "green") +
  geom_point(alpha = .3) +
  coord_equal() +
  labs(title = "Imputed Values")

源代码：R/impute_linear.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Impute numeric variables via a linear model。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。