모두 종합해 보기

R에서 대치(Imputation)로 결측치 다루기

Michal Oleszak

Machine Learning Engineer

사례 연구: 아프리카의 시민 자유

head(africa)

  year      country gdp_pc  infl trade    civlib population
1 1972 Burkina Faso    377 -2.92 29.69 0.5000000    5848380
2 1973 Burkina Faso    376  7.60 31.31 0.5000000    5958700
3 1974 Burkina Faso    393  8.72 35.22 0.3333333    6075700
4 1975 Burkina Faso    416 18.76 40.11 0.3333333    6202000
5 1976 Burkina Faso    435 -8.40 37.76 0.5000000    6341030
6 1977 Burkina Faso    448 29.99 41.11 0.6666667    6486870

¹ 데이터 출처: https://scholar.harvard.edu/rbates/data

불완전한 데이터 모델링

목표: 시민 자유 civlib과 1인당 GDP gdp_pc의 관계 탐색.

결측 데이터 시각화.
- 어떤 변수가 결측인가?
- 결측 메커니즘은 무엇인가?
결측치 대치 및 대치 품질 점검.
대치 불확실성을 반영해 모델 실행.

필요한 도구

aggr()
spineMiss()
mice() - with() - pool()

MICE로 대치 품질 평가

mice()는 다중 대치 데이터 세트를 생성합니다.
각 세트를 VIM 함수로 그리면 번거롭습니다.
mice 패키지는 다중 세트를 자동 처리하는 자체 플롯을 제공합니다.

nhanes_multiimp <- mice(nhanes, m = 5, defaultMethod = "pmm")

stripplot(nhanes_multiimp, 
          Weight ~ Height | .imp,
          pch = 20, cex = 2)

스트립 플롯

키 대비 몸무게 산점도 6개 그리드. 각 그래프에서 대치값을 색으로 강조. 대치값이 관측값과 매우 유사해 색 외에는 구분이 어려움.

배운 내용을 실습해 봅시다!

R에서 대치(Imputation)로 결측치 다루기