-缺失值的高级处理:用mice进行多重填补

本文介绍了R语言中处理缺失值的多种方法,重点讲解了mice包的使用,包括mice的可视化、多重填补的原理和步骤,以及插补后的数据处理和可视化展示。mice采用多种模型进行插补,如pmm,通过建立插值函数并进行多次模拟,解决了单一填补方法的局限性。
摘要由CSDN通过智能技术生成

这里首先利用自带数据集airquality 制造假数据。

library(mice)
my_data <- airquality

my_data[sample(153, 10), ]$Wind <- NA
my_data[sample(153, 10), ]$Temp <- NA
> head(my_data
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mrrunsen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值