KNN による補完

Rで学ぶ caret を使った Machine Learning

Zach Mayer

Data Scientist at DataRobot and co-author of caret

欠損値への対処

中央値補完は高速だが…
欠損が無作為でない場合は誤った結果になりうる
k 近傍法 (KNN) 補完
「類似」する非欠損行に基づいて補完する

例：無作為でない欠損

小型車は horsepower を報告していないと仮定
この場合の中央値補完は不適切：小型車の出力が中〜大と仮定してしまう

# 欠損を含むデータを生成
mtcars[mtcars$disp < 140, "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[, 2:4]

# 中央値補完を使用
model <- train(X, Y, method = "glm", preProcess = "medianImpute")
print(min(model$results$RMSE))

3.612713

例：無作為でない欠損

KNN 補完の方が良い
類似する disp / cyl の車で補完する
より高精度（ただし遅い）なモデルになる

# KNN 補完を使用
set.seed(42)
model <- train(
  X, Y, method = "glm", preProcess = "knnImpute"
)
print(min(model$results$RMSE))

3.558881

中央値補完の 3.61 と比較

演習に進みましょう！

Rで学ぶ caret を使った Machine Learning