建网站中企动力最行,东莞阳光网站官网,怎么在公司网站上安装百度商桥,wordpress文章被篡改缺失值的侦测的方法#xff1a; 1、mice包中的md.pattern()函数可以生成一个以矩阵或数据框形式展示缺失值模式的表格 这个矩阵呢#xff0c;表示像第一行缺失0个的模式有13行#xff0c;像第二行缺失1个的模式有1行#xff0c;如此类推 所以呢#xff0c;一共就有0*131*1… 缺失值的侦测的方法 1、mice包中的md.pattern()函数可以生成一个以矩阵或数据框形式展示缺失值模式的表格 这个矩阵呢表示像第一行缺失0个的模式有13行像第二行缺失1个的模式有1行如此类推 所以呢一共就有0*131*11*32*13*727个缺失值也可以算每列的age列缺0个hyp列缺8个bmi列缺9个chl列缺10个共缺0891027个 2、VIM包中可可视化数据集中缺失值模式的函数aggr()、matrixplot()、scattMiss() aggr(nhanes,propFALSE,numbersTRUE) 此外当prop参数设置为true时将用比例代替计数 matrixplot(nhanes) 此处缺失的地方为红色其他的数值较小颜色较浅数值越大颜色越重。 另不适合非数值数据会把非数值数据判断成缺失 marginplot(nhanes[c(hyp,chl)],pchc(20),colc(darkgray,red,blue)) 缺失值的处理一般有以下几种方法 1、将含缺失值的记录删除 2、根据变量之间的相关关系填补缺失值 3、根据记录之间的相似性填补缺失值 4、使用能够处理缺失值的工具 将含缺失值的记录删除 一般适用于以下情况 此条记录中含有较多变量的缺失值 得到数据中至少含有一个变量的缺失值的记录 的计数 nrow(data[!complete.cases(data),] 剔除含有缺失值的记录 datadata[complete.cases(data),]或者datana.omit(data) 得到每行数据的缺失值个数 apply(data,1,function(x) sum(is.na(x)))用最高频率值填补缺失值 填补缺失值最简便和快捷的方法是使用一些代表中心趋势的值因为他们反映了变量分布的最常见值。例如平均值、中位数、众数等。 对于接近正态的分布来讲平均值数就是最佳选择 对于偏态分布或者有离群值的分布而言中位数是更好的代表数据中心趋势的指标。 填补data的noNum列的缺失值 data[is.na(data$noNum,noNum]median(data$noNum,na.rmT) 对于名义变量常使用众数填补。 通过变量的相关关系来填补缺失值 缺失值为数值变量时常使用相关性计算线性回归 缺失值为名义变量时常通过绘图观察规律进行填充。 产生变量之间的相关值 cor(data[,4:18],usecomplete.obs) 改善结果输出形式 symnum(cor(data[,4:18],usecomplete.obs))找出相关性比较高的变量通过线性回归对缺失值进行计算填充 填充名义变量时常用的绘图函数lattice包 histogram(~mxPH|season,dataalgae)
histogram(~mxPH|size*speed,dataalgae)
stripplot(size~mxPH|speed,dataalgae,jitterT) 根据记录之间的相似性填补缺失值 度量两个记录之间的相似性欧氏距离找出与任何含有缺失值的案例最相似的10条记录 两种方法 1、计算这10条记录的中位数并用中位数来填补缺失值。若为名义变量采用众数 2、采用这些最相似数据的加权均值。权重的大小随着距待填补缺失值的个案的距离增大而减小。可采用高斯核函数从距离获得权重。若相邻个案距待填补缺失值的个案的距离为d则它的值在加权平均中的权重为 w(d)exp(-d) 注在计算距离时一般要对数值变量进行标准化。即 yi(xi-xbar)/sigma(x) 转载于:https://www.cnblogs.com/Hyacinth-Yuan/p/7887181.html
