missForest

-blue.svg)

missForest هي طريقة تقدير غير معلمية لقيم مفقودة للبيانات الجدولية متعددة الأنواع في لغة R. تتعامل مع المتغيرات العددية والتصنيفية في الوقت نفسه من خلال تدريب غابات عشوائية بشكل تكراري للتنبؤ بالقيم المفقودة بناءً على القيم الملحوظة. لا افتراضات نمذجة صريحة، ولا تحليلات مصفوفية—فقط خطوط أساس تنبؤية قوية تعمل مباشرة بكفاءة.

• تعمل مع أي مزيج من الأعمدة العددية والتصنيفية
• تلتقط اللاخطيات والتفاعلات
• تبلغ عن خطأ التقدير خارج الحقيبة (OOB) (NRMSE/PFC)
• تدعم التنفيذ المتوازي (حسب المتغير أو حسب الغابة)
• يوجد محركان للغابات: ranger (افتراضي) و randomForest (قديم/متوافق)

التثبيت

# CRAN (recommended)
install.packages("missForest")
Development version (from GitHub)
install.packages("remotes")
remotes::install_github("stekhoven/missForest")

Quick start

library(missForest)
Example data
data(iris)
Introduce ~20% MCAR missingness
set.seed(81)
iris_mis <- prodNA(iris, noNA = 0.20)
Impute with default backend (ranger)
imp <- missForest(iris_mis, xtrue = iris, verbose = TRUE)
Imputed data
head(imp$ximp)
Estimated OOB errors (NRMSE for numeric, PFC for factors)
imp$OOBerror
True error if xtrue was provided (for benchmarking only)
imp$error

اختيار الواجهة الخلفية

# Legacy behavior using randomForest
imp_rf <- missForest(iris_mis, backend = "randomForest")
Explicitly use ranger with limited threads
imp_rg <- missForest(iris_mis, backend = "ranger", num.threads = 2)

التوازي

يتوفر وضعان عبر parallelize:

• "variables": بناء الغابات لمتغيرات مختلفة بالتوازي (سجل خلفية foreach).
• "forests": التوازي ضمن غابة متغير واحد (خيوط ranger؛ أو غابات فرعية foreach لـ randomForest).

# Not run:
library(doParallel)
registerDoParallel(2)
imp_vars <- missForest(iris_mis, parallelize = "variables", verbose = TRUE)
imp_fors <- missForest(iris_mis, parallelize = "forests",  verbose = TRUE, num.threads = 2)

نظرة عامة على واجهة برمجة التطبيقات (API)

missForest(xmis, ...)

دالة الإكمال الأساسية.

المعلمات الرئيسية:

• xmis — إطار بيانات/مصفوفة تحتوي على قيم مفقودة (يجب أن تكون الأعمدة من النوع numeric أو factor).
• maxiter — الحد الأقصى لعدد التكرارات (القيمة الافتراضية 10).
• ntree — عدد الأشجار في كل غابة (الافتراضي 100).
• mtry — عدد المتغيرات المجربة عند كل تقسيم (الافتراضي sqrt(p)).
• nodesize — عدد عشري من عنصرين: الحد الأدنى لحجم العقدة لـ c(numeric, factor). الافتراضي c(5, 1).
• variablewise — يُرجع خطأ OOB لكل متغير إذا كانت قيمته TRUE.
• parallelize — "no" أو "variables" أو "forests".
• num.threads — عدد الخيوط لـ ranger (يتم تجاهله في randomForest).
• backend — "ranger" (افتراضي) أو "randomForest".
• xtrue — بيانات كاملة اختيارية لأغراض المقارنة المرجعية (تضيف $error).

• ntree → num.trees
• nodesize → min.bucket (منفصل للتنبؤ والانحدار/التصنيف؛ الافتراضي c(5,1))
• sampsize (كعدد) → sample.fraction (كنسبة؛ إجمالية أو لكل فئة)
• classwt → class.weights
• cutoff تتم معالجته عن طريق تركيب غابات الاحتمالية ثم تطبيق العتبة بعد ذلك

الأدوات المساعدة

• mixError(ximp, xmis, xtrue) — يحسب NRMSE (للمتغيرات العددية) و PFC (للمتغيرات الفئوية) للقيم المفقودة الحقيقية.
• nrmse(ximp, xmis, xtrue) — NRMSE للبيانات العددية فقط.
• prodNA(x, noNA = 0.1) — يحقن فقدان عشوائي (MCAR) في إطار بيانات.
• varClass(x) — يُرجع "numeric"/"factor" لكل عمود.

نصائح وأفضل الممارسات

• قم بتحويل أعمدة الأحرف إلى عوامل قبل استدعاء missForest.
• بالنسبة للبيانات الواسعة، ضع في اعتبارك استخدام parallelize = "variables". بالنسبة للأشجار العميقة أو المكلفة، ضع في اعتبارك استخدام parallelize = "forests".
• قم بتعيين قيمة للبذرة للحصول على نتائج شبه قابلة لإعادة الإنتاج:

  set.seed(123); imp <- missForest(x)
  ``
يمكنك تقليل قيمة ntree أثناء النمذجة الأولية لتسريع عملية التكرار.
---
الاقتباس
إذا استخدمت missForest، يرجى الاقتباس من:
 Stekhoven, D. J. & Bühlmann, P. (2012). MissForest—nonparametric missing value imputation for mixed-type data.* Bioinformatics, 28(1), 112–118. https://doi.org/10.1093/bioinformatics/btr597
يمكنك أيضًا الاستشهاد بالحزمة:

Contributing

Issues and pull requests are welcome. Please include a minimal reproducible example when reporting bugs. For performance discussions, share small benchmarks and session info.

License

GPL (≥ 2)

Contact

Daniel J. Stekhoven — stekhoven@nexus.ethz.ch

--- Tranlated By Open Ai Tx | Last indexed: 2026-07-17 ---