在 r 中使用 kNN 估算缺失值的问题答案

【问题标题】：Problems with imputing missing values with kNN in r在 r 中使用 kNN 估算缺失值的问题
【发布时间】：2019-11-02 02:13:44
【问题描述】：

我想用最近邻的平均值来估算缺失值，但是当我尝试 kNN 时，它会给出错误消息。

所以向量是股票价格，这意味着我在周末有 NA。我想用凹函数替换 NA 值（星期六、星期日）：（星期五值 + 星期一值）/2。我认为 k=2 的 kNN 函数是合适的，但我收到一条错误消息。

> Oriental_Stock$Stock
 [1] 42.80 43.05 43.00 43.00 42.20    NA    NA 42.50 40.00 40.25 40.55 
 41.50    NA    NA 40.85
> kNN(Oriental_Stock, variable = colnames("Stock"), k = 2)
Error in `[.data.table`(data, indexNA2s[, variable[i]], `:=`(imp_vars[i],  
 : i is invalid type (matrix). Perhaps in future a 2 column matrix could 
  return a list of elements of DT (in the spirit of A[B] in FAQ 2.14). 
  Please report to data.table issue tracker if you'd like this, or add 
  your comments to FR #657.

请让我知道是否可以这样做，也许有比 kNN 更简单的选择。我不是数据科学家，只是一名学生，所以我对此知之甚少。提前感谢您的任何建议！

【问题讨论】：

标签： r mean missing-data knn imputation

【解决方案1】：

Knn 将在 data.frame 上工作，它会根据行之间的距离选择邻居。它不适用于矢量。

for 循环可能是一个公平的解决方案：

#this finds the locations of the first NA of each couple of NAs
#the TRUE / FALSE part below picks only the first NA from each couple
idx <- which(is.na(stock))[c(TRUE, FALSE)]

#this iterates over the above indexes and calculates the mean and updates the NAs
for (x in idx) {
  stock[x] <- stock[x+1] <- (stock[x-1] + stock[x+2]) / 2
}

结果：

> stock
 [1] 42.800 43.050 43.000 43.000 42.200 42.350 42.350 42.500 40.000
[10] 40.250 40.550 41.500 41.175 41.175 40.850

我使用stock作为数据：

stock <- c(42.80,43.05, 43.00, 43.00, 42.20,    NA,    NA, 42.50, 40.00, 40.25, 40.55, 
           41.50,    NA,    NA, 40.85)

【讨论】：