数据缺失值的处理 | R包 - mice

有些情况下缺失值会零星的分布在数据当中,这时去掉所有包含缺失值的样本就不行了,直接用0去填补缺失值也不行。

 

所以此时就应该用拟合的方法来填补缺失值。

 

1
2
3
4
5
6
7
8
9
10
library(mice)
init = mice(my_data, maxit=0)
meth = init$method
predM = init$predictorMatrix
imputed = mice(my_data, method=meth, predictorMatrix=predM, m=5)
imputed <- complete(imputed)
rownames(imputed) <- rownames(my_data)
sapply(imputed, function(x) sum(is.na(x)))
my_data[1:20,1:10]
imputed[1:20,1:10]

  

参考:

R中数据缺失值的处理--基于mice包

 

posted @   Life·Intelligence  阅读(1021)  评论(0编辑  收藏  举报
(评论功能已被禁用)
编辑推荐:
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)
历史上的今天:
2017-07-12 scRNA-seq单细胞测序数据分析工具汇总
2017-07-12 illumina phix
2016-07-12 Libsvm:脚本(subset.py、grid.py、checkdata.py) | MATLAB/OCTAVE interface | Python interface
TOP
点击右上角即可分享
微信分享提示