预处理插补R插入符号和预测

Question

我注意到predict（）只会在完整的情况下创建预测。我已经包含在预处理选项medianImpute，如下列：

train(outcome ~ ., 
     data = df, 
     method = "rf", 
     tuneLength = 5, 
     preProcess = c("YeoJohnson", "center", "scale", "medianImpute"), 
     metric = 'ROC', 
     trControl = train_ctrl) 
} 

这是否意味着，我要训练集之前做的缺失值估算？如果不是，我无法为测试集中的所有情况创建一个预测。我曾在Kuhn博士的书中读过预处理应在交叉验证过程中发生......谢谢！

Answer 1

如果您使用的是medianImpute，那么它肯定需要在训练集之前发生，否则即使您将测试集与medianImpute相比较，结果也是错误的。

以下面的极端情况下，例如：

你只有一个独立变量X哪些电话号码的constists 1〜100想象分割和数据集分为50％的测试组50的极端情况下％训练集，，数字1到50在测试集中，数字51到100在训练集中。

> median(1:50) #test set median 
[1] 25.5 
> median(51:100) #training set median 
[1] 75.5 

使用您的代码（脱字符的训练函数），训练集中的缺失值将替换为75.5。这将创建三个主要问题：

1. 不能使用同样的方法(medianImpute)对于测试集，因为在测试集缺失值将与25.5
2. 更换您不能手动替换缺失值测试集合为75.5，因为75.5的值远高于测试集合的最大值，并且会大幅偏移测试集合。
3. 插入符号包的函数列将尝试找出模型（调整）的最佳参数。当完整数据集的中位数（用于输入缺失数据的正确值）为50.5时，用75.5替换缺失值将使用错误的参数值调整模型。

因此，最好的办法是在培训集的创建之前考虑丢失的数据。

希望这会有所帮助！