<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>SAM</author_name>
  <author_url>https://blog.hatena.ne.jp/SAM/</author_url>
  <blog_title>About connecting the dots.</blog_title>
  <blog_url>https://smrmkt.hatenablog.jp/</blog_url>
  <categories>
  </categories>
  <description>ということで，前回で触れたように，データの前処理を実際に行っていきたいと思います．その中でも今回は，欠損値補完についての話をしていきます．今回のデータでは，NAが含まれているageのデータを補完する必要があります．とはいえ，欠損値を補完するにもいくつか方法があって，どの補完を行うのが妥当かというのを考えなければいけません．そこでまず，欠損値がどういう性質を持っているかについてみていきましょう． 欠損のメカニズム 欠損のパターン データの欠損には大きく分けて3つのパターンがあります． Missing Completely At Random(MCAR)：完全にランダムに欠損が生じているもの Mi…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fsmrmkt.hatenablog.jp%2Fentry%2F2013%2F01%2F06%2F164758&quot; title=&quot;kaggleで予測モデルを構築してみた (5) - Rで行うMultipleImputation - About connecting the dots.&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url></image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2013-01-06 16:47:58</published>
  <title>kaggleで予測モデルを構築してみた (5) - Rで行うMultipleImputation</title>
  <type>rich</type>
  <url>https://smrmkt.hatenablog.jp/entry/2013/01/06/164758</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
