Imputation par la médiane

Machine Learning avec caret en R

Max Kuhn

Software Engineer at RStudio and creator of caret

Gérer les valeurs manquantes

  • La plupart des modèles exigent des nombres ; ne gèrent pas les données manquantes
  • Approche courante : supprimer les lignes avec données manquantes
    • Peut biaiser les données
    • Peut produire des modèles trop confiants
  • Mieux : imputation par la médiane !
    • Remplacer les valeurs manquantes par les médianes
    • Efficace si données manquantes aléatoirement (MAR)
Machine Learning avec caret en R

Exemple : 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
Machine Learning avec caret en R

Une solution simple

# 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.
Machine Learning avec caret en R

Passons à la pratique !

Machine Learning avec caret en R

Preparing Video For Download...