Docs
...
Práce s poli s chybějícími hodnotami
Go back to the English version of the documentation

Práce s poli s chybějícími hodnotami

Last updated: 12. 1. 2023
Práce s poli s chybějícími hodnotami (SPSS Modeler)

Je-li většina chybějících hodnot soustředěna v malém počtu polí, můžete je adresovat na úrovni pole spíše než na úrovni záznamu. Tento přístup vám také umožňuje experimentovat s relativním významem určitých polí dříve, než se rozhodujete o přístupu ke zpracování chybějících hodnot. Je-li pole v modelování nevýznamné, pravděpodobně to nemá cenu udržet, bez ohledu na to, kolik chybějících hodnot má.

Například tržní výzkumná společnost může shromažďovat údaje z obecného dotazníku obsahujícího 50 otázek. Dvě otázky týkající se věku a politické přesvědčování, informace, které se mnoho lidí zdráhá vydat. V tomto případě má Age a Political_persuasion mnoho chybějících hodnot.

Úroveň měření pole

Při určování, kterou metodu použít, byste měli také zvážit úroveň měření v polích s chybějícími hodnotami.

Číselná pole. U numerických typů polí, jako je například Continuous, byste měli před sestavením modelu vždy eliminovat všechny nenumerické hodnoty, protože mnoho modelů nebude fungovat, pokud budou mezery zahrnuty do číselných polí.

Kategorická pole. U kategorických polí, jako je Nominal a Flag, změna chybějících hodnot není nutná, ale zvýší se přesnost modelu. Například model, který používá pole Sex , bude stále pracovat se nesmyslnými hodnotami, jako jsou Y a Z, ale všechny hodnoty kromě M a F zvyšují přesnost modelu.

Detekční kontrola nebo odstranění polí

Chcete-li zobrazit pole s příliš mnoha chybějícími hodnotami, máte několik možností:

  • Uzel Audit dat můžete použít k filtrování polí na základě kvality
  • Uzel výběru funkcí můžete použít k zobrazení polí s více než zadaným procentním podílem chybějících hodnot a k očíslování pořadí polí na základě důležitosti relativně k určenému cíli.
  • Místo odebrání těchto polí můžete použít uzel typu k nastavení role pole na hodnotu Žádná. Tím se uchovají pole v datové sadě, ale vyloučí je z procesů modelování.