missForest

-blue.svg)

missForest เป็นวิธีการแทนค่าข้อมูลที่ขาดหายแบบไม่พึ่งสมมติฐานสำหรับข้อมูลตารางแบบ ผสมประเภท ใน R โดยรองรับตัวแปรทั้ง เชิงตัวเลขและเชิงหมวดหมู่ พร้อมกันด้วยการฝึก random forest แบบวนซ้ำเพื่อทำนายค่าที่ขาดหายจากค่าที่สังเกตได้ ไม่ต้องตั้งสมมติฐานแบบชัดเจน ไม่ต้องทำ matrix factorization—แค่ใช้ baseline ทำนายที่แข็งแกร่งซึ่งใช้งานได้ดีทันที

• ใช้งานได้กับ คอลัมน์ตัวเลขและแฟคเตอร์ทุกประเภท
• จับ ความไม่เชิงเส้น และ ปฏิสัมพันธ์
• รายงาน ข้อผิดพลาดการแทนค่าข้อมูล OOB (NRMSE/PFC)
• รองรับ การประมวลผลแบบขนาน (ต่อคอลัมน์หรือต่อป่า)
• มี backend ป่าสองตัว: ranger (ค่าเริ่มต้น) และ randomForest (รุ่นเก่า/สำหรับความเข้ากันได้)

การติดตั้ง

# 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

การเลือกแบ็คเอนด์

# 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)

การประมวลผลแบบขนาน

มีโหมดให้เลือกใช้สองแบบผ่าน parallelize:

• "variables": สร้างฟอเรสต์สำหรับตัวแปรแต่ละตัวแบบขนาน (ต้องลงทะเบียน backend ของ foreach)
• "forests": ประมวลผลแบบขนานภายในฟอเรสต์ของตัวแปรเดียว (ใช้เธรดของ ranger หรือใช้ foreach สำหรับ sub-forests ของ 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)

ภาพรวมของ API

missForest(xmis, ...)

ฟังก์ชันหลักสำหรับการเติมค่าที่ขาดหายไป

อาร์กิวเมนต์สำคัญ:

• xmis — data frame/matrix ที่มีค่าขาดหาย (คอลัมน์ต้องเป็น numeric หรือ factor)
• maxiter — จำนวนรอบสูงสุด (ค่าเริ่มต้น 10)
• ntree — จำนวนต้นไม้ต่อป่า (ค่าเริ่มต้น 100)
• mtry — ตัวแปรที่สุ่มเลือกในแต่ละการแบ่ง (ค่าเริ่มต้น sqrt(p))
• nodesize — เวกเตอร์ตัวเลขขนาด 2: ขนาดโหนดขั้นต่ำสำหรับ c(numeric, factor) ค่าเริ่มต้น c(5, 1)
• variablewise — คืนค่า OOB error รายตัวแปรหาก TRUE
• parallelize — "no", "variables" หรือ "forests"
• num.threads — จำนวนเธรดสำหรับ ranger (ถูกละเว้นโดย randomForest)
• backend — "ranger" (ค่าเริ่มต้น) หรือ "randomForest"
• xtrue — ข้อมูลสมบูรณ์สำหรับ การวัดประสิทธิภาพ (เพิ่ม $error)

• ntree → num.trees
• nodesize → min.bucket (แยกสำหรับ regression/classification; ค่าเริ่มต้น c(5,1))
• sampsize (จำนวน) → sample.fraction (สัดส่วน; ทั้งหมดหรือแยกตามคลาส)
• classwt → class.weights
• cutoff ถูกจัดการด้วยการสร้าง probability forests และการกำหนด threshold ภายหลัง

ยูทิลิตี้

• mixError(ximp, xmis, xtrue) — คำนวณ NRMSE (ตัวเลข) และ PFC (factor) เฉพาะค่าที่ขาดจริง
• nrmse(ximp, xmis, xtrue) — NRMSE สำหรับข้อมูลเชิงต่อเนื่องเท่านั้น
• prodNA(x, noNA = 0.1) — สร้างค่าขาดหายแบบ MCAR ลงใน data frame
• varClass(x) — คืนค่า "numeric"/"factor" รายคอลัมน์

เคล็ดลับ & แนวปฏิบัติที่ดีที่สุด

• แปลงคอลัมน์ตัวอักษรเป็นแฟคเตอร์ก่อนเรียกใช้ missForest
• สำหรับข้อมูลที่กว้าง ให้พิจารณาใช้ parallelize = "variables" สำหรับต้นไม้ที่ลึก/ใช้ทรัพยากรสูง ให้พิจารณาใช้ parallelize = "forests"
• ตั้งค่า seed เพื่อผลลัพธ์ที่สามารถทำซ้ำได้ในระดับหนึ่ง:

  set.seed(123); imp <- missForest(x)
  ``
คุณสามารถลดค่า ntree ในระหว่างการสร้างต้นแบบเพื่อเร่งความเร็วในการทำซ้ำ
---
การอ้างอิง
หากคุณใช้ missForest กรุณาอ้างอิงดังนี้:
 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
คุณยังสามารถอ้างอิงแพ็คเกจนี้ได้เช่นกัน:

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 ---