r - 插入符号中使用预处理的数据插补返回的观察结果少于预期

Question

我想知道为什么 preProcess用于估算数据集缺失值的 R 插入符包中的函数返回的观察结果少于原始数据集中的观察结果？
例如:

library(caret)

t <- data.frame(seq_len(100000),seq_len(100000))

for (i in 1:100000) 
{
if (i %% 10 == 0) t[i,1] <- NA; 
if (i %% 100 == 0) t[i,2] <- NA 
}

preProcValues <- preProcess(t, method = c("knnImpute"))

preProcValues 将仅包含 2 个变量的 90000 个观测值，而预期为 100000 个。

Answer 1

来自文档:

The function preProcess estimates the required parameters for each operation and predict.preProcess is used to apply them to specific data sets.

这里，preProcValues 不是插补后的t，它包含使用predict 对t 执行插补所需的参数。预处理。

---

您不应该期望 preProcValues 中有 100K 个观察值

提示:看看source code使用 NA 值查看引擎盖下发生了什么

使用您的示例(修改为使用 method = "medianImpute" - 请参阅此 question(以及上述源代码)了解您尝试执行的操作为何不起作用“knnImpute”)

preProcValues <- preProcess(t, method = "medianImpute") 
> preProcValues$dim[1]
#[1] 90000

这里我们用中位数(50K)替换t中的NA值

t2 <- predict(preProcValues, t)
> dim(t2)[1]
#[1] 100000