78306 przewodnikPoPakiecieR8

U'i hrnne procedury statystyczne

>    0 imputujemy wartości losowe

>    lmputefwektor,"random")

1    23456789    10

1    5    5*    2    8    8    3    8*    10    4

Wiele funkeji do generowania irnputacji jest przewidzianych dla ramek danych. Jeżeli chcemy imputować średnie lub mediany, to najwygodniej skorzystać z funkcji impute(el071) lub ce.mimp(dprep). W pakiecie dprep znajduje się też funkcja ec.knnimp(dprep) do wyznaczania irnputacji bazującej na najbliższych sąsiadach. Poniżej przedstawiamy przykłady.

0 za brakujące obserwacje wstawiane są mediany imputacjemedian - ei071::imputeOiepatitis, "median")

0 za brakujące obserwacje wstawiane są średnie wartości imputacjemean * ce.mimpOiepatitis, "mean", atr=l:20)

0 za brakujące obserwacje wstawiamy typowe dla najbliższych sąsiadów imputacjeknn - ec.knnimpfhepatitls, k=10)

Jeżeli irnputacji chcemy użyć do przeprowadzenia analizy regresji, to zamiast budować model na jednej próbie z imputacjami lepiej określić model bazując na wielu próbach z imputacjami (wstawiane wartości generować można np. z rozkładu brzegowego). Wykorzystać do tego można funkcję areglmpute(Hmisc) a przykład użycia tej funkcji przedstawiamy poniżej.

>    0 dla trzech wybranych kolumn V6, V1Z i V18 należy wygenerować amputacje

>    0 aby oceny efektów byty stabilne, wykonujemy 100 replikacji danych

>    replikacja <- aregImpute(~V18+V12+V6, n.impute-100. data-hepatitis)

>    0 dopasowujemy model liniou/y (korzystamy z funkcji olsO zamiast ImO)

>    modelRepl <- fit.rault.impute(V18~V6+V12, ols, replikacje, data=

hepatitis)

>    0 podsumowanie modelu liniowego (z imputacjami)

>    summary.lm(modelRepl)

Cali:

fitterCformula = formula, data ” completed.data)

Residuals:

Min    1Q Median    3Q    Max

-1.71527 -0.24236    0.05764    0.38473    2.25764

Coefficients:

Estimate Std. Error t value Pr(>ltl)

Intercept    2.8463    0.1955    14.560    < 2e-16    *»»

V6    0.3213    0.1105    2.908    0.00418    **

V12    0.3250    0.1115    2.915    0.00410    **

Slgnif. codes:    0 '♦**’ 0.001    0.01    0.05    0.1 ' ’ 1

Realdual standard error: 0.6073 on 152 degrees of freedom Multiple R-Squared: 0.1358, Adjusted R-squared: 0.1244 K-atatistic: 11.94 on 2 and 152 DF, p-value: 1.526e-05

PrzelWIU/Itllir wilyjilli'    14!)

Przeprowadźmy tc same analizy, ale bez wstawiania irnputacji. S/.cząślIwlo, wy niki nie są w tym przypadku znacząco różne.

>    tt model liniowy bez irnputacji

>    tt standardowo wiersze z brakującymi obserwacjami są usuwane

>    modelBezRepl <- lm(V18~V6+V12, data-hepatitis)

>    summary(modelBezRepl)

Cali:

lm(formula = Vł8 V6 + V12, data = hepatitis)

Residuals:

Min    1Q Median    3Q    Max

-1.721630 -0.271600 -0.007777 0.378370 2.271474

Coefficients:

Estimate Std. Error t value Pr(>|tl)

(Intercept)    2.8870    0.2047    14.104    < 2e-16    ***

V6    0.3069    0.1167    2.630    0.00956    **

V12    0.3139    0.1173    2.677    0.00838    **

Signif. codes:    0 ’***’ 0.001    0.01 ‘** 0.05    0.1 ‘ ' 1

Residual standard error: 0.6003 on 132 degrees of freedom (20 observations deleted due to missingness)

Multiple R-Squared: 0.1469, Adjusted R-squared: 0.1339 F-statistic: 11.36 on 2 and 132 DF, p-value: 2.8e-05

Do wyznaczania irnputacji można też posłużyć się metodą lasów losowych Osoby zainteresowane tym tematem odsyłam do opisu funkcji randomForest(randomForest) lub opisu tej metody w pozycji [32].

3.3.2 Normalizacja, skalowanie i transformacje nieliniowe

Najprostszą transformacją jest skalowanie. W przypadku wielu metod (głównie związanych z klasyfikacją) taka transformacja może poprawić wyniki. Skalowanie polega zazwyczaj na odjęciu od każdej obserwacji wartości średniej z próby i podzielenie tej różnicy przez odchylenie standardowe z próby.

W R. takie skalowanie można wykonać funkcją scalę (stats). Dwa dodatkowo parametry tej funkcji pozwalają określić, czy dane mają być centrowane center=TRUE (czyli czy odejmować wartość średnią) oraz czy mają być skalowane scale=TRUE (czyli czy mają być dzielone przez odchylenie standardowe). Poniżej przedstawiamy przykład użycia tej funkcji.

>    tt kowariancja danych oryginalnych

>    cov(dane[,c(l,6,7)])

wiek ciśnienie.skurczowe ciśnienie.rozkurczowe wiek    191.742176    -6.016662    -8.941249

ciśnienie.skurczowe    -6.016662    246.903989    82.809186

ciśnienie.rozkurczowe    -8.941249    82.809186    60.324616