我需要估算缺失值。我的数据集有大约 800,000 行和 92 个变量。我在 r 的 imputation 包中尝试了 kNNImpute，但看起来数据集太大了。 R中的任何其他包/方法？我宁愿不使用均值来替换缺失值。 谢谢
【问题讨论】：
VIM::kNN 估算缺失值，但我收到错误消息：Error: cannot allocate vector of size 113.1 Gb，当然这比我的机器 RAM 还要多。有什么建议吗？
标签： r imputation
MICE 是一个很棒的软件包，具有强大的诊断工具，并且可能能够在如此大的数据集中完成这项工作。
您应该注意的一件事：MICE 是 S-L-O-W。处理这么大的数据集，如果您打算使用 MICE，我强烈建议您使用计算云——否则，您最好提前计划好自己，因为使用 800k x ~100 矩阵，可能需要几天才能完成工作，具体取决于您指定模型的方式。
MICE 为您提供了多种不同的估算方法，可根据要估算的变量类型使用。最快的是预测均值匹配。 PMM 最初旨在用于估算连续数据，但似乎 pmm 足够灵活以适应其他类型的变量。看看这个 Paul Allison 的帖子和 Stef van Buuren 的回复：http://statisticalhorizons.com/predictive-mean-matching
（我看到这是一篇三年前的帖子，但我一直在使用 MICE，并且对它的强大功能感到惊讶——而且通常很慢——它可能如此！）
【讨论】：
1) 你可以试试
library(sos)
findFn("impute")
这显示了 113 个包中的 400 个匹配项。这显示了 113 个包中的 400 个匹配项：您可以根据您对插补函数的要求缩小范围。
2) 你看到/尝试过Hmisc 吗？
描述：Hmisc 库包含许多对数据有用的函数 分析、高级图形、实用程序操作、函数 用于计算样本大小和功效，导入数据集， 估算缺失值、高级制表、变量 聚类、字符串操作、S的转换 对象转换为 LaTeX 代码，并重新编码变量。
3) 可能是mice
使用完全条件规范 (FCS) 进行多重插补 由 MICE 算法实现。每个变量都有自己的 插补模型。提供了内置的插补模型 连续数据（预测均值匹配，正常），二进制数据 （逻辑回归），无序分类数据（多分逻辑 回归）和有序的分类数据（比例赔率）。老鼠可以 还可以估算连续的两级数据（正常模型、泛型、二级 变量）。被动插补可用于保持一致性 变量之间。各种诊断图可供检查 估算的质量。
【讨论】：