Bù thiếu bằng trung vị

Machine Learning với caret trong R

Max Kuhn

Software Engineer at RStudio and creator of caret

Xử lý giá trị thiếu

Hầu hết mô hình cần số, không xử lý được dữ liệu thiếu
Cách thường dùng: loại hàng có giá trị thiếu
- Có thể gây sai lệch dữ liệu
- Tạo mô hình quá tự tin
Chiến lược tốt hơn: bù thiếu bằng trung vị!
- Thay giá trị thiếu bằng trung vị
- Hiệu quả nếu dữ liệu thiếu ngẫu nhiên (MAR)

Ví dụ: mtcars

# Generate some data with missing values
data(mtcars)
set.seed(42)
mtcars[sample(1:nrow(mtcars), 10), "hp"] <- NA

# Split target from predictors
Y <- mtcars$mpg
X <- mtcars[, 2:4]

# Try to fit a caret model
library(caret)
model <- train(X, Y)

Error in train.default(X, Y) : Stopping

Giải pháp đơn giản

# Now fit with median imputation
model <- train(X, Y, preProcess = "medianImpute")
print(model)

Random Forest 

32 samples
 3 predictor

Pre-processing: median imputation (3) 
Resampling: Bootstrapped (25 reps) 
Summary of sample sizes: 32, 32, 32, 32, 32, 32, ... 
Resampling results across tuning parameters:

  mtry  RMSE      Rsquared 
  2     2.617096  0.8234652
  3     2.670550  0.8164535

RMSE was used to select the optimal model using the smallest value.
The final value used for the model was mtry = 2.

Ayo berlatih!

Machine Learning với caret trong R