KNN 補值

使用 R 的 caret 進行 Machine Learning

Zach Mayer

Data Scientist at DataRobot and co-author of caret

處理遺漏值

以中位數補值很快，但……
若遺漏不是隨機，可能導致錯誤結果
k-nearest neighbors（KNN）補值
依「相似」且非遺漏的列來補值

範例：非隨機遺漏

假設小型車不回報 horsepower
中位數補值在此不正確：它假設小車有中大型 horsepower

# 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

範例：非隨機遺漏

KNN 補值較佳
使用與 disp／cyl 相近的車來補值
可得更準確（但較慢）的模型

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

3.558881

與中位數補值的 3.61 相比更好

一起來練習吧！

使用 R 的 caret 進行 Machine Learning