KNN imputation

Machine Learning ด้วย caret ใน R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

การจัดการค่าที่หายไป

Median imputation ทำงานเร็ว แต่…
อาจให้ผลผิดพลาดหากข้อมูลหายไปแบบไม่สุ่ม
k-nearest neighbors (KNN) imputation
เติมค่าโดยอ้างอิงจากแถวที่ "คล้ายกัน" ที่ไม่มีค่าหาย

ตัวอย่าง: ข้อมูลหายไปแบบไม่สุ่ม

สมมติว่ารถขนาดเล็กไม่รายงานแรงม้า
Median imputation ให้ผลผิดในกรณีนี้: สมมติว่ารถเล็กมีแรงม้าระดับกลาง-สูง

# Generate data with missing values
mtcars[mtcars$disp < 140, "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[, 2:4]

# Use median imputation
model <- train(X, Y, method = "glm", preProcess = "medianImpute")
print(min(model$results$RMSE))

3.612713

ตัวอย่าง: ข้อมูลหายไปแบบไม่สุ่ม

KNN imputation ให้ผลดีกว่า
ใช้รถที่มี disp / cyl ใกล้เคียงกันในการเติมค่า
ได้โมเดลที่แม่นยำกว่า (แต่ช้ากว่า)

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

3.558881

เทียบกับ 3.61 สำหรับ median imputation

มาฝึกกันเถอะ!

Machine Learning ด้วย caret ใน R