Showing posts with label Visualization and Imputation of Missing Values. Show all posts
Showing posts with label Visualization and Imputation of Missing Values. Show all posts

Sunday, August 18, 2019

Visualization and Imputation of Missing Values

How to use Visualization and Imputation of Missing Values(VIM) in R

Install package(VIM)
> data(sleep, package = "VIM")
data(sleep, package = "VIM")
> summary(sleep)
    BodyWgt            BrainWgt   
 Min.   :   0.005   Min.   :   0.14
 1st Qu.:   0.600   1st Qu.:   4.25
 Median :   3.342   Median :  17.25
 Mean   : 198.790   Mean   : 283.13
 3rd Qu.:  48.203   3rd Qu.: 166.00
 Max.   :6654.000   Max.   :5712.00
                                   
      NonD            Dream   
 Min.   : 2.100   Min.   :0.000
 1st Qu.: 6.250   1st Qu.:0.900
 Median : 8.350   Median :1.800
 Mean   : 8.673   Mean   :1.972
 3rd Qu.:11.000   3rd Qu.:2.550
 Max.   :17.900   Max.   :6.600
 NA's   :14       NA's   :12   
     Sleep            Span     
 Min.   : 2.60   Min.   :  2.000
 1st Qu.: 8.05   1st Qu.:  6.625
 Median :10.45   Median : 15.100
 Mean   :10.53   Mean   : 19.878
 3rd Qu.:13.20   3rd Qu.: 27.750
 Max.   :19.90   Max.   :100.000
 NA's   :4       NA's   :4     
      Gest             Pred   
 Min.   : 12.00   Min.   :1.000
 1st Qu.: 35.75   1st Qu.:2.000
 Median : 79.00   Median :3.000
 Mean   :142.35   Mean   :2.871
 3rd Qu.:207.50   3rd Qu.:4.000
 Max.   :645.00   Max.   :5.000
 NA's   :4                     
      Exp            Danger   
 Min.   :1.000   Min.   :1.000
 1st Qu.:1.000   1st Qu.:1.000
 Median :2.000   Median :2.000
 Mean   :2.419   Mean   :2.613
 3rd Qu.:4.000   3rd Qu.:4.000
 Max.   :5.000   Max.   :5.000
 a <- aggr(sleep)
> a <- aggr(sleep, plot=FALSE)
> gapMiss(v)
[1] 0
> countInf(log(sleep$Dream))
[1] 1
> bgmap(kola.background)
imputation,missing values,missing data,data visualization,missing,missing value,imputation of missing data using r,misssing value imputation in r,missing value inputation in python,imputing missing values,statistics (field of study),imputation of missing data using machine learning techniques,imputation methods for missing data in r,machine learning,how to handle missing values in r,missing values in r

> growdotMiss(x, coo, kola.background, border = "white")
Click on a point to get more information.
To regain use of the VIM GUI and the R console, click in a region that does not contain any points.

       Ca  As Bi
527 19400 0.2 NA
      Ca As    Bi
388 3670 NA 0.029
       Ca  As    Bi
505 18800 1.2 0.032

Black-Scholes formula-R

 Black-Scholes formula-R > BlackScholes <- function(TypeFlag = c("c", "p"), S, X, Time, r, b, sigma) { TypeFla...