missForest

-blue.svg)

missForest는 R에서 혼합형 표 형식 데이터에 대한 비모수적 결측값 대체 방법입니다. 수치형 및 범주형 변수를 동시에 처리하며, 랜덤 포레스트를 반복적으로 학습시켜 관측된 값으로 결측값을 예측합니다. 명시적인 모델링 가정이나 행렬 분해 없이, 기본적으로 강력한 예측 성능을 제공합니다.

• 수치형과 범주형 컬럼의 모든 조합을 지원
• 비선형성과 상호작용을 포착
• OOB(Out-of-Bag) 대체 오류(NRMSE/PFC) 보고
• 병렬 실행 지원(변수별 또는 포레스트별)
• 두 가지 포레스트 백엔드: ranger(기본값), randomForest(구버전/호환)

설치

# 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

백엔드 선택하기

# 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)

병렬화

parallelize를 통해 두 가지 모드를 사용할 수 있습니다:

• "variables": 서로 다른 변수에 대해 병렬로 숲을 구축합니다 (foreach 백엔드 등록).
• "forests": 단일 변수의 숲 내에서 병렬화합니다 (ranger 스레드; 또는 randomForest의 foreach 하위 숲).

# 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)

API 개요

missForest(xmis, ...)

핵심 보간 함수.

주요 인자:

• xmis — 결측치가 있는 데이터 프레임/행렬 (열은 numeric 또는 factor여야 함).
• maxiter — 최대 반복 횟수 (기본값 10).
• ntree — 숲당 트리 수 (기본값 100).
• mtry — 각 분할 시 시도할 변수 수 (기본값 sqrt(p)).
• nodesize — 길이 2의 숫자형 벡터: c(numeric, factor)에 대한 최소 노드 크기. 기본값 c(5, 1).
• variablewise — TRUE일 경우 변수별 OOB 오류 반환.
• parallelize — "no", "variables", 또는 "forests".
• num.threads — ranger용 스레드 수 (randomForest에서는 무시됨).
• backend — "ranger" (기본값) 또는 "randomForest".
• xtrue — 선택적 완전 데이터 (벤치마킹용, $error 추가).

• ntree → num.trees
• nodesize → min.bucket (회귀/분류 별도; 기본값 c(5,1))
• sampsize (개수) → sample.fraction (비율; 전체 또는 클래스별)
• classwt → class.weights
• cutoff는 확률 숲을 적합시키고 후처리 임계값 적용으로 처리

유틸리티

• mixError(ximp, xmis, xtrue) — 진짜 결측치 위치에 대해 NRMSE(연속형) 및 PFC(범주형) 계산.
• nrmse(ximp, xmis, xtrue) — 연속형 데이터에 대한 NRMSE.
• prodNA(x, noNA = 0.1) — MCAR 결측치를 데이터 프레임에 주입.
• varClass(x) — 열별 "numeric"/"factor" 반환.

팁 및 모범 사례

• missForest를 호출하기 전에 문자형 열을 팩터로 변환하세요.
• 넓은 데이터의 경우 parallelize = "variables"를 고려하세요. 깊거나 비용이 많이 드는 트리의 경우 parallelize = "forests"를 고려하세요.
• 준재현 가능한 결과를 위해 시드를 설정하세요:

  set.seed(123); imp <- missForest(x)
  ``
프로토타입 제작 시 반복 속도를 높이기 위해 ntree 값을 낮출 수 있습니다.
---
인용
missForest를 사용하신 경우, 다음을 인용해 주세요:
 Stekhoven, D. J. & Bühlmann, P. (2012). MissForest—비모수적 결측값 대체 방법, 혼합형 데이터용.* Bioinformatics, 28(1), 112–118. https://doi.org/10.1093/bioinformatics/btr597
패키지 자체도 인용할 수 있습니다:

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 ---