为了验证自己填补算法的好坏,一般采用完整数据集进行人为缺失,缺失机制为完全随机缺失(Missing Completely At Random, MCAR),我们可以按照不同的比例,设定缺失率为5%,10%,15%,... ,50%等。
R语言中,simFrame包可以直接对数据进行缺失处理。
一个数据集如下所示,为csv文件,这里我在第一行加上了label序号。
对该数据进行不同比例的缺失。
R语言操作如下:
1. 导入simFrame包
> library(simFrame)
当然前一步还是要先下载simFrame包 install.packages("simFrame")
2. 读取你的完整数据集(csv文件)
> data<-read.csv("D://statlog.csv",sep=",")
> dataFrame<-as.data.frame(data)
这里,dataFrame存放的就是你的标准数据集