KNN 估算

在 R 中使用 caret 的机器学习

Zach Mayer

Data Scientist at DataRobot and co-author of caret

处理缺失值

中位数填补很快，但…
若缺失并非随机，可能产生错误结果
k 近邻（KNN）填补
基于"相似"的非缺失行进行填补

示例：非随机缺失

设想小型车未报告马力
此时用中位数填补不当：等同假设小车有中等或偏大马力

# 生成含缺失的数据
mtcars[mtcars$disp < 140, "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[, 2:4]

# 使用中位数填补
model <- train(X, Y, method = "glm", preProcess = "medianImpute")
print(min(model$results$RMSE))

3.612713

示例：非随机缺失

KNN 填补更佳
用 disp / cyl 相近的车辆来填补
得到更准确（但更慢）的模型

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

3.558881

与中位数填补的 3.61 对比

让我们来练习！

在 R 中使用 caret 的机器学习