連続ベクトルに欠損値があります

私は郵便番号を持っています

郵便番号を使用して y を代入したいと思います。私が試してみました

しかし、クロス積を実行できないことを示すエラーが表示されます (rstudio セッションがハングしているため、特定のメッセージを投稿できません)。

マウスまたは別のパッケージでこれを行う方法についてのアイデアはありますか?

編集:dputデータの一部

MICEパッケージで R に代入した後、分割表を生成したいと考えています。フィットはリスト内のテーブルを表示しますが、 pool()それらを使用すると、次のエラーがスローされます:Error in pool(fit) : Object has no coef() method.何が間違っていますか?

この基本的な例は、エラーを再現します。

多くの機能 (主にカテゴリ機能(はい/いいえ)) と多くの欠損値を含むデータセットがあります。

次元削減の手法の 1 つは、ターゲット属性に対して慎重に構築された大規模なツリー セットを生成し、各属性の使用統計を使用して、最も有益なフィーチャのサブセットを見つけることです。つまり、基本的に、非常に浅いツリーの大規模なセットを生成できます。各ツリーは、属性の総数のごく一部でトレーニングされます。属性が最良の分割として頻繁に選択される場合、保持する有益な機能である可能性が最も高くなります。

また、欠損値を埋めるためにインピューターを使用しています。

私の疑問は、上記の2つの順序がどうあるべきかです。上記の 2 つ (次元削減と代入) のどちらを最初に行うべきで、その理由は?

欠損値が 50% を超える場合に、欠損値を処理する際の 2 つの R パッケージ、missForest および Hmisc のパフォーマンスを比較しようとしています。

この方法でテストデータを取得しました：

missForest ではmixError()、代入精度を元データと比較できるメソッドを持っています。

Hmisc にはメソッドがありません。次のようmixError()に、その強力なaregImpute()代入を使用しています。

メソッドmissForest_imputed$ximpを使用できるように、帰属結果を のような形式に変換したいと考えていました。mixError()問題は、 でaregImpute()、試してn.impute = 1もn.impute = 5、元のデータの虹彩のように各機能に 150 の値を持つことができないことです...そして、各機能の値の数も異なります....

では、欠損値を処理する際に missForest と Hmisc のパフォーマンスを比較する方法はありますか?

次の質問があります: 欠損値が文字列 でマークされている pandas データフレームがありますna。その上で Imputer を実行して、欠損値を列の平均値に置き換えたいと考えています。sklearnのドキュメントによると、パラメーターmissing_valuesはこれに役立つはずです：

missing_values : 整数または「NaN」、オプション (デフォルト =「NaN」) 欠損値のプレースホルダー。missing_values のすべての出現が補完されます。np.nan としてエンコードされた欠損値には、文字列値「NaN」を使用します。

私の理解では、これは、私が書くと

これは、インピュターがデータフレーム内のすべてをna列の平均値に置き換えることを意味します。ただし、代わりにエラーが発生します。

私は何を誤解していますか？これは、インピュターが機能する方法ではありませんか？naでは、文字列を平均に置き換えるにはどうすればよいでしょうか。ラムダを使用する必要がありますか？

ありがとうございました！