新/预测数据的多重插补

Question

有人可以帮我了解如何处理新/未见数据中的缺失值吗？我研究了 R 中的几个多重插补包，似乎都只是插补训练和测试集（同时）。然后，您如何处理新的未标记数据，以与您进行训练/测试相同的方式进行估计？基本上，我想对训练/测试集中的缺失值使用多重插补，并对预测数据使用相同的模型/方法。根据我对多重插补的研究（不是专家），用 MI 来做这件事似乎不可行？但是，例如，使用插入符号，您可以轻松地使用在新数据的训练/测试中使用的相同模型。任何帮助将不胜感激。谢谢。

** 编辑

基本上，我的数据集包含许多缺失值。删除不是一种选择，因为它会丢弃我的大部分训练/测试集。到目前为止，我已经对分类变量进行了编码，删除了接近零的方差和高度相关的变量。经过这个预处理后，我可以很容易地应用mice包进行插补

m=mice(sg.enc)

此时，我可以使用 pool 命令将模型应用于估算数据集。这很好用。但是，我知道未来的数据会有缺失值，并且想以某种方式逐步应用此 MI？

Answer 1

它没有多重插补，但 yaImpute 包有一个 predict() 函数来插补新数据的值。我使用训练数据（包括 NA）运行测试以创建一个“yai”对象，然后通过 predict() 使用该对象在新的测试数据集中估算值。与 Caret preProcess() 不同，yaImpute 在其 knn 算法中支持因子变量（至少对于它们的插补值）。我还没有测试因子是否可以成为缺失目标变量的“预测变量”的一部分。 yaImpute 确实支持除 knn 之外的其他插补方法。