预处理插补R插入符号和预测

我注意到predict（）只会在完整的情况下创建预测。我在预处理选项中包括了

medianImpute

，例如：

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

---

这是否意味着我应该在训练集合之前对缺失的值进行插补？如果不是，我无法为测试集中的所有情况创建预测。我在库恩博士的书中读到，预处理应该在交叉验证期间进行。。。谢谢

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，即使您使用

medianImpute

输入测试集，结果也会出错

以以下极端情况为例：

你只有一个自变量X，它由数字1到100组成。想象一下将数据集拆分为50%测试集和50%训练集的极端情况，其中数字1到50在测试集中，数字51到100在训练集中

使用您的代码（插入符号的训练功能），训练集中缺失的值将替换为75.5。这将产生三大问题：

您不能对测试集使用相同的方法

（medianImpute）

，因为测试集中缺少的值将替换为25.5

您不能手动将测试集中缺少的值替换为75.5，因为75.5的值远高于测试集的最大值，并且您将显著地使其倾斜

插入符号包的功能系列将尝试找出适合您的模型的最佳参数（调整）。当完整数据集的中位数（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，最好的做法是在创建训练集之前解释丢失的数据

---

希望这有帮助

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，即使您使用

medianImpute

输入测试集，结果也会出错

以以下极端情况为例：

你只有一个自变量X，它由数字1到100组成。想象一下将数据集拆分为50%测试集和50%训练集的极端情况，其中数字1到50在测试集中，数字51到100在训练集中

使用您的代码（插入符号的训练功能），训练集中缺失的值将替换为75.5。这将产生三大问题：

您不能对测试集使用相同的方法

（medianImpute）

，因为测试集中缺少的值将替换为25.5

您不能手动将测试集中缺少的值替换为75.5，因为75.5的值远高于测试集的最大值，并且您将显著地使其倾斜

插入符号包的功能系列将尝试找出适合您的模型的最佳参数（调整）。当完整数据集的中位数（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，最好的做法是在创建训练集之前解释丢失的数据

---

希望这有帮助

谢谢你，莱尚德。这很有意义，因为我使用的是medianImpute，这取决于转换。例如，如果变换是基于均值和方差的，那么是的。谢谢你，莱赞德。这很有意义，因为我使用的是medianImpute，这取决于转换。例如，如果变换基于均值和方差，则为是。

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