示例1

Question

当我使用mice包来估算数据时，我遇到以下问题：

我似乎无法找到替换NA新观察值的方法，因为我已经在训练集中估算了缺失的数据。

示例1

我训练了一个算法，该算法包含来自数据框的数据，包含10个特征和1000个观测值。

如何使用此算法预测新观察结果（缺少数据）？

示例2

我们有一个NA值的数据框：

V1   V2  V3  R1
1    2   NA  1
1.4  -1  0   0
1.2  NA  0   1
1.6  NA  1   1
1.2  3   1   0

我使用mice包来隐藏缺失的值：

imp <- mice(df, m = 2, maxit = 100, meth = 'pmmm', seed = 12345)

对象df现在有2个带有插补值的数据框。

(dfImp1)
V1   V2  V3  R1
1    2   0.5 1
1.4  -1  0   0
1.2  1.5 0   1
1.6  1.5 1   1
1.2  3   1   0

现在有了这个数据框，我可以训练一个算法：

modl <- glm(R1~., (dfImp1), family = binomial)

我想预测新观察的反应，例如：

obs1 <- data.frame(V1 = 1, V2 = 1.4, V3 = NA)

如何归咎于新观察的缺失数据？

Answer 1

似乎mice包没有内置解决方案，但我们可以写一个。

我们的想法是：

(1) 使用相同的小鼠算法在用于训练 GLM 和新观察的数据集中填充 NA；
(2) 只预测没有 NA 的新观测值。

我将使用 iris 作为数据示例。

library(R6)
library(mice)

# Binary output to use Binomial
df <- iris %>% filter(Species != "virginica")

# The new observation 
new_data <- tail(df, 1)

# the dataset used to train the model
df <- head(df,-1)

# Now, let insert some NAs
insert_nas <- function(x) {
  set.seed(123)
  len <- length(x)
  n <- sample(1:floor(0.2*len), 1)
  i <- sample(1:len, n)
  x[i] <- NA 
  x
}

df$Sepal.Length <- insert_nas(df$Sepal.Length)

df$Petal.Width <- insert_nas(df$Petal.Width)

new_data$Sepal.Width = NA

summary(df)

在拟合方法中，我们使用小鼠填充 NA，拟合 GLM 模型并将其存储以用于预测方法。

在预测方法中，我们 (1) 将 new_observation 添加到数据集（使用 NA），（2）再次使用小鼠替换 NA，（3）取回没有 NA 的新观察的行，以及然后 (4) 应用 GLM 来预测这个新的观察结果。

# R6 Class Generator
GLMWithMice <- R6Class("GLMWithMice", list(
  model = NULL,
  df = NULL,
  fitted = FALSE,
  
  initialize = function(df) {
    self$df <- df
  },
  fit = function(formula = "Species~.", family = binomial) {
    
    imp <- mice(self$df, m = 2, maxit = 100, meth = 'pmm', seed = 12345, print=FALSE)
    df_cleaned <- complete(imp,1)
    self$model <- glm(formula, df_cleaned, family = family, maxit = 100)
    self$fitted <- TRUE
    return(cat("\n model fitted!"))
  },
  predict = function(new_data, type = "response"){
    n_rows <- nrow(self$df)
    df_new <- bind_rows(self$df, new_data)
    imp <- mice(df_new, m = 2, maxit = 100, meth = 'pmm', seed = 12345, print=FALSE)
    df_cleaned <- complete(imp,1)
    new_data_cleaned <- tail(df_cleaned, nrow(df_new) - n_rows)
    return(predict(self$model,new_data_cleaned, type = type))
  }
  )
)

#Let's create a new instance of "GLMWithMice" class
model <- GLMWithMice$new(df = df)

class(model)

model$fit(formula = Species~., family = binomial)

model$predict(new_data = new_data)

R MICE估算新观察

示例1

示例2

1 个答案: