r - 缺失值的插补

Question

我想根据变量其他值的分布来估算数据集中的缺失值。

想象一下，30% 的值 = 1、20% = 2 和 50% = 3，实际上我想做以下事情：

impute(var,1) # for 30 % of the NA occurrences #
impute(var,2) # for 20 % of the NA occurrences #
impute(var,3) # for 50 % of the NA occurrences #

有人可以帮忙吗？

约翰

Answer 1

如果我理解正确你想要：

var[is.na(var)] <- sample(1:3, sum(is.na(var)), replace=TRUE, prob=c(0.3,0.2,0.5)) 

Answer 2

我想根据变量其他值的分布来估算数据集中的缺失值。

我对 Tibshirany 的pamr包非常满意。它基于缺失数据点的 k 个最近邻进行插补。简单地调用：

imputed.matrix  <- pamr.knnimpute(list(x==matrix.with.missing.data))[['x']]

通常工作正常。

请注意，这pamr.knnimpute是不确定的；但是，所有估算对的典型相关性 > 0.9。