要項など 要項 日時: 2014/3/15 (土) 13:30-17:40 場所: 東京医科歯科大学 参加登録者数: 45名 (男性 31名，女性 14名, リピーター 29名)
第14回 欠測値処理の理論と実際｜奥村泰之の情報公開
要項など 要項 日時: 2014/3/15 (土) 13:30-17:40 場所: 東京医科歯科大学 参加登録者数: 45名 (男性 31名，女性 14名, リピーター 29名)
kaggleで予測モデルを構築してみた (5) - Rで行うMultipleImputation - About connecting the dots.
ということで，前回で触れたように，データの前処理を実際に行っていきたいと思います．その中でも今回は，欠損値補完についての話をしていきます． 今回のデータでは，NAが含まれているageのデータを補完する必要があります．とはいえ，欠損値を補完するにもいくつか方法があって，どの補完を行うのが妥当かというのを考えなければいけません．そこでまず，欠損値がどういう性質を持っているかについてみていきましょう． 欠損のメカニズム 欠損のパターン データの欠損には大きく分けて3つのパターンがあります． Missing Completely At Random(MCAR)：完全にランダムに欠損が生じているもの Missing At Random(MAR) ：データ欠損が，データに含まれるほかの変数と関連はしているが，その影響を取り除いた自分自身の値とは関連していないもの Missing Not At Rand
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
