如何在缺少值的情况下执行RMSE？

我有一个庞大的数据集，有679行16列，其中有30%的缺失值。因此，我决定使用包impute中的函数impute.knn来插补这个缺失值，我得到了一个数据集，有679行16列，但没有缺失值

但现在我想使用RMSE检查准确性，我尝试了两个选项：

加载软件包

hydroGOF

并应用

rmse

功能

sqrt（平均值（obs sim）^2），na.rm=TRUE）

在两种情况下，我会出现错误：

sim中的错误。obs：二进制运算符的非数字参数。

这是因为原始数据集包含

NA

值（某些值丢失）

如果删除缺少的值，如何计算RMSE？然后，

obs

和

sim

将具有不同的大小

干脆

sqrt( sum( (df$model - df$measure)^2 , na.rm = TRUE ) / nrow(df) )

显然，假设您的数据帧被称为

df

，您必须决定N（即

nrow（df）

包含两行缺少的数据；您想从N观察中排除这些数据吗？我想是的，所以您可能想使用

sum（！is.na）而不是
nrow（df）
（df$measure））

）或者，在@Joshua just之后

sqrt( mean( (df$model-df$measure)^2 , na.rm = TRUE ) )

R包中的rmse（）函数有一个NA remove参数：

# require(hydroGOF)
rmse(sim, obs, na.rm=TRUE, ...)

根据文档，当

na.rm

为真时，预期的结果是什么

“当在obs或sim中的第i个位置发现“NA”值时，第i个值 在计算之前，将删除obs和sim的副本。”

如果没有，很难说为什么这对你不起作用

如果要在输入hydroGOF:：rmse（）函数之前消除缺少的值，可以执行以下操作：

my.rmse <- rmse(df.sim[rownames(df.obs[!is.na(df.obs$col_with_missing_data),]),]
     , df.obs[!is.na(df.obs$col_with_missing_data),])

---

my.rmse或
sqrt（平均值（（df$model df$measure）^2，na.rm=TRUE））
@JoshuaUlrich是的，那会更简单。我重新表述了这个问题，因为问题不是测试本身。而是缺少的值。@Telma_7919缺少的值不能计算，因为你不知道测量的变量是什么。所以在回答中使用第二行代码。它会删除缺少的值，并告诉你你的mod有多好el介于观察值和预期值之间。@Telma_7919，问题在于您如何处理缺少的值。此答案正确处理了它们。Ia，对不起。我也重新表述了问题。您的
na.rm=T
函数错误。它在
sqrt
中，但需要在
mean
中。您好，因为您在这里相对较新，您可能需要它阅读和了解其工作原理。当您收到解决问题的答案时，如果您通过单击小复选标记或向上投票一个有用的答案（您从未这样做过！！）来接受该答案，则StackOverflow对每个人都更有价值。您绝对没有义务这样做，但这是一种“回馈”的好方法如果某个答案确实解决了您的问题，请访问该网站。谢谢！请注意，我的原始答案使用了
dplyr
。我从
dplyr:：filter（）起将其删除
不保留原始行名。如果将原始行名另存为数据框中的另一列，您仍然可以想出一个使用
dplyr
的解决方案。
rows.wout.missing.values <- with(df.obs, rownames(df.obs[!is.na(col_with_missing_data1) & !is.na(col_with_missing_data2) & !is.na(col_with_missing_data3),]))
my.rmse <- rmse(df.sim[rows.wout.missing.values,], df.obs[rows.wout.missing.values,])