R recipes step_impute_linear 通過線性模型估算數值變量

step_impute_linear() 創建配方步驟的規範，該步驟將創建線性回歸模型來估算缺失數據。

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")
)

參數

recipe: 一個菜譜對象。該步驟將添加到此配方的操作序列中。
...: 一個或多個選擇器函數來選擇要估算的變量；這些變量的類型必須是 numeric 。當與 imp_vars 一起使用時，這些點指示哪些變量用於預測每個變量中的缺失數據。有關更多詳細信息，請參閱selections()。
role: 由於沒有創建新變量，因此此步驟未使用。
trained: 指示預處理數量是否已估計的邏輯。
impute_with: 調用 imp_vars 來指定使用哪些變量來插補變量，這些變量可以包含由逗號或不同選擇器分隔的特定變量名稱(請參閱 selections() )。如果某個列同時包含在要插補的列表和插補預測變量的列表中，則該列將從後者中刪除，並且不會用於插補本身。
models: 一旦線性模型經過 prep() 訓練，lm() 對象就會存儲在這裏。
skip: 一個合乎邏輯的。當bake() 烘焙食譜時是否應該跳過此步驟？雖然所有操作都是在 prep() 運行時烘焙的，但某些操作可能無法對新數據進行(例如處理結果變量)。使用skip = TRUE時應小心，因為它可能會影響後續操作的計算。
id: 該步驟特有的字符串，用於標識它。

值

recipe 的更新版本，將新步驟添加到任何現有操作的序列中。

細節

對於需要插補的每個變量，擬合線性模型，其中結果是感興趣的變量，預測變量是 impute_with 公式中列出的任何其他變量。請注意，如果要估算的變量也在 impute_with 中，則該變量將被忽略。

要估算的變量必須為 numeric 類型。估算值將保持與其原始數據相同的類型(即，模型預測根據需要強製為整數)。

由於這是線性回歸，插補模型僅使用訓練集預測變量的完整案例。

整理

當您tidy()此步驟時，將返回包含列terms(選擇的選擇器或變量)和model(袋裝樹對象)的tibble。

箱重

此步驟執行可以利用案例權重的無監督操作。因此，個案權重僅與頻率權重一起使用。有關更多信息，請參閱 case_weights 中的文檔和 tidymodels.org 中的示例。

參考

庫恩，M. 和約翰遜，K. (2013)。特征工程和選擇https://bookdown.org/max/FES/handling-missing-data.html

也可以看看

其他插補步驟： 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")

源代碼：R/impute_linear.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Impute numeric variables via a linear model。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。