missForest

-blue.svg)

missForest to nieparametryczna metoda imputacji dla danych tabelarycznych o mieszanych typach w R. Obsługuje jednocześnie zmienne numeryczne i kategoryczne, iteracyjnie trenując lasy losowe do przewidywania brakujących wartości na podstawie zaobserwowanych. Brak jawnych założeń modelowych, brak faktoryzacji macierzy—tylko silne predykcyjne podstawy, które działają dobrze od razu.

• Działa z dowolną kombinacją kolumn numerycznych i czynnikowych
• Wychwytuje nieliniowości i interakcje
• Raportuje błąd imputacji out-of-bag (OOB) (NRMSE/PFC)
• Wspiera wykonywanie równoległe (na zmienną lub na las)
• Dwa silniki lasu: ranger (domyślny) oraz randomForest (starszy/zgodność)

Instalacja

# 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

Wybór backendu

# 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)

Równoległość

Dostępne są dwa tryby poprzez parallelize:

• "variables": budowanie lasów dla różnych zmiennych równolegle (zarejestruj backend foreach).
• "forests": równoległość w obrębie lasu pojedynczej zmiennej (wątki ranger; lub pod-lasy foreach dla 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)

Przegląd API

missForest(xmis, ...)

Główna funkcja imputacji.

Kluczowe argumenty:

• xmis — ramka danych/macierz z brakującymi wartościami (kolumny muszą być typu numeric lub factor).
• maxiter — maksymalna liczba iteracji (domyślnie 10).
• ntree — liczba drzew w lesie (domyślnie 100).
• mtry — liczba zmiennych próbowanych przy każdym podziale (domyślnie sqrt(p)).
• nodesize — wektor długości 2 typu numerycznego: minimalna wielkość węzła dla c(numeric, factor). Domyślnie c(5, 1).
• variablewise — zwraca błąd OOB dla każdej zmiennej, jeśli TRUE.
• parallelize — "no", "variables" lub "forests".
• num.threads — liczba wątków dla ranger (ignorowana przez randomForest).
• backend — "ranger" (domyślnie) lub "randomForest".
• xtrue — opcjonalny kompletny zbiór danych do benchmarkingu (dodaje $error).

• ntree → num.trees
• nodesize → min.bucket (osobno dla regresji/klasyfikacji; domyślnie c(5,1))
• sampsize (liczby) → sample.fraction (ułamki; całościowo lub dla każdej klasy)
• classwt → class.weights
• cutoff obsługiwany przez dopasowanie probability forests i post-thresholding

Narzędzia pomocnicze

• mixError(ximp, xmis, xtrue) — oblicza NRMSE (numeryczne) i PFC (faktoryzowane) dla prawdziwych brakujących wartości.
• nrmse(ximp, xmis, xtrue) — NRMSE tylko dla danych ciągłych.
• prodNA(x, noNA = 0.1) — wprowadza brakujące wartości MCAR do ramki danych.
• varClass(x) — zwraca "numeric"/"factor" dla każdej kolumny.

Porady i najlepsze praktyki

• Przekształć kolumny znakowe na czynniki przed wywołaniem missForest.
• Dla szerokich danych rozważ parallelize = "variables". Dla głębokich/kosztownych drzew rozważ parallelize = "forests".
• Ustaw ziarno dla quasi-powtarzalnych wyników:

  set.seed(123); imp <- missForest(x)
  ``
Możesz obniżyć wartość ntree podczas prototypowania, aby przyspieszyć iterację.
---
Cytowanie
Jeśli korzystasz z missForest, prosimy o cytowanie:
 Stekhoven, D. J. & Bühlmann, P. (2012). MissForest—nieparametryczna imputacja brakujących wartości dla danych mieszanych typów.* Bioinformatics, 28(1), 112–118. https://doi.org/10.1093/bioinformatics/btr597
Możesz również zacytować pakiet:

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 ---