missForest

-blue.svg)

missForest è un metodo di imputazione non parametrico per dati tabellari a tipi misti in R. Gestisce variabili numeriche e categoriche simultaneamente, addestrando iterativamente foreste casuali per prevedere le voci mancanti da quelle osservate. Nessuna assunzione esplicita di modellizzazione, nessuna fattorizzazione di matrici—solo solide basi predittive che funzionano immediatamente.

• Funziona con qualsiasi combinazione di colonne numeriche e fattoriali
• Cattura nonlinearità e interazioni
• Riporta l'errore di imputazione out-of-bag (OOB) (NRMSE/PFC)
• Supporta esecuzione parallela (per variabile o per foresta)
• Due backend di foresta: ranger (predefinito) e randomForest (legacy/compatibile)

Installazione

# 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

Scegliere un backend

# 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)

Parallelizzazione

Sono disponibili due modalità tramite parallelize:

• "variables": costruisce foreste per variabili diverse in parallelo (registrare un backend foreach).
• "forests": parallelizza all'interno della foresta di una singola variabile (thread ranger; oppure foreach sotto-foreste per 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)

Panoramica API

missForest(xmis, ...)

Funzione principale di imputazione.

Argomenti chiave:

• xmis — data frame/matrice con valori mancanti (le colonne devono essere numeric o factor).
• maxiter — iterazioni massime (default 10).
• ntree — alberi per foresta (default 100).
• mtry — variabili provate a ogni split (default sqrt(p)).
• nodesize — numerico di lunghezza 2: dimensione minima nodo per c(numeric, factor). Default c(5, 1).
• variablewise — restituisce errore OOB per variabile se TRUE.
• parallelize — "no", "variables", o "forests".
• num.threads — thread per ranger (ignorato da randomForest).
• backend — "ranger" (default) o "randomForest".
• xtrue — dati completi opzionali per benchmarking (aggiunge $error).

• ntree → num.trees
• nodesize → min.bucket (separatamente per regressione/classificazione; default c(5,1))
• sampsize (conteggi) → sample.fraction (frazioni; complessivo o per classe)
• classwt → class.weights
• cutoff gestito tramite fit di probability forests e post-thresholding

Utility

• mixError(ximp, xmis, xtrue) — calcola NRMSE (numerico) e PFC (fattore) sulle vere entry mancanti.
• nrmse(ximp, xmis, xtrue) — NRMSE solo per dati continui.
• prodNA(x, noNA = 0.1) — inietta mancanza MCAR in un data frame.
• varClass(x) — restituisce "numeric"/"factor" per colonna.

Suggerimenti & best practice

• Converti le colonne di tipo carattere in fattori prima di chiamare missForest.
• Per dati ampi, considera parallelize = "variables". Per alberi profondi/costosi, considera parallelize = "forests".
• Imposta un seed per risultati quasi riproducibili:

  set.seed(123); imp <- missForest(x)
  ``
Puoi ridurre ntree durante la fase di prototipazione per velocizzare le iterazioni.
---
Citazione
Se utilizzi missForest, cita:
 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
Puoi anche citare il pacchetto:

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 ---