##Отчет по лабораторной работе №4. Способы подготовки исходных данных

###Установка пакетов

options(repos = "https://cran.r-project.org/")
install.packages(c("Rtools", "RANN", "caret", "mice", "car"))
## Устанавливаю пакеты в 'C:/Users/DBystrova/AppData/Local/R/win-library/4.4'
## (потому что 'lib' не определено)
## Warning: пакет ''Rtools'' недоступен (for this version of R
## 
## Другая версия этого пакета может быть доступна для Вашей версии R из других источников,
## см. возможные варианты на
## https://cran.r-project.org/doc/manuals/r-patched/R-admin.html#Installing-packages)
## пакет 'RANN' успешно распакован, MD5-суммы проверены
## Warning: не могу удалить прежнюю установку пакета 'RANN'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): проблема с копированием
## C:\Users\DBystrova\AppData\Local\R\win-library\4.4\00LOCK\RANN\libs\x64\RANN.dll
## в C:\Users\DBystrova\AppData\Local\R\win-library\4.4\RANN\libs\x64\RANN.dll:
## Permission denied
## Warning: восстановлен 'RANN'
## пакет 'caret' успешно распакован, MD5-суммы проверены
## Warning: не могу удалить прежнюю установку пакета 'caret'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): проблема с копированием
## C:\Users\DBystrova\AppData\Local\R\win-library\4.4\00LOCK\caret\libs\x64\caret.dll
## в C:\Users\DBystrova\AppData\Local\R\win-library\4.4\caret\libs\x64\caret.dll:
## Permission denied
## Warning: восстановлен 'caret'
## пакет 'mice' успешно распакован, MD5-суммы проверены
## Warning: не могу удалить прежнюю установку пакета 'mice'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): проблема с копированием
## C:\Users\DBystrova\AppData\Local\R\win-library\4.4\00LOCK\mice\libs\x64\mice.dll
## в C:\Users\DBystrova\AppData\Local\R\win-library\4.4\mice\libs\x64\mice.dll:
## Permission denied
## Warning: восстановлен 'mice'
## пакет 'car' успешно распакован, MD5-суммы проверены
## 
## Скачанные бинарные пакеты находятся в
##  C:\Users\DBystrova\AppData\Local\Temp\RtmpekwB9X\downloaded_packages
library(caret)
## Загрузка требуемого пакета: ggplot2
## Загрузка требуемого пакета: lattice
library(mice)
## 
## Присоединяю пакет: 'mice'
## Следующий объект скрыт от 'package:stats':
## 
##     filter
## Следующие объекты скрыты от 'package:base':
## 
##     cbind, rbind
library(car)
## Загрузка требуемого пакета: carData

##Задание №1

###Сформируйте свой собственный датасет с помощью функции c (конкатенация), в котором содержатся числовые данные и NA значения.

my_data <- c(5, 10, NA, 12, 17, NA, 25, NA, NA)
print(my_data)
## [1]  5 10 NA 12 17 NA 25 NA NA

##Задание №2

###Проведите очистку данных с использованием функции is.na() И выведите “чистый” датасет.

na_positions <- is.na(my_data)
print(na_positions)
## [1] FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE
clean_data <- my_data[!na_positions]
print(clean_data)
## [1]  5 10 12 17 25

##Задание №3

###Сгенерируйте таблицу данных с числовыми и текстовые столбцами (аналогично с помощью функции c). Очистите данные с помощью функции complete.cases().

my_table <- data.frame(
  numbers = c(3, 9, NA, 5, 8),
  text = c("A", "B", "NA", NA, "C")
)
print(my_table)
##   numbers text
## 1       3    A
## 2       9    B
## 3      NA   NA
## 4       5 <NA>
## 5       8    C
clean_table <- my_table[complete.cases(my_table), ]
print(clean_table)
##   numbers text
## 1       3    A
## 2       9    B
## 5       8    C

##Задание №4

###Проанализируйте датасет airquality с пропусками из пакета caret. С использованием функции preProcess из пакета caret заполните пропуски предсказанными значениями (среднее, медиана).

data(airquality)
print(head(airquality))
##   Ozone Solar.R Wind Temp Month Day
## 1    41     190  7.4   67     5   1
## 2    36     118  8.0   72     5   2
## 3    12     149 12.6   74     5   3
## 4    18     313 11.5   62     5   4
## 5    NA      NA 14.3   56     5   5
## 6    28      NA 14.9   66     5   6
print(colSums(is.na(airquality)))
##   Ozone Solar.R    Wind    Temp   Month     Day 
##      37       7       0       0       0       0
preproc_mean <- preProcess(airquality, method = c("center", "scale", "knnImpute"))
airquality_mean <- predict(preproc_mean, airquality)
print(head(airquality_mean))
##         Ozone      Solar.R       Wind       Temp     Month       Day
## 1 -0.03423409  0.045176154 -0.7259482 -1.1497140 -1.407294 -1.670019
## 2 -0.18580489 -0.754304874 -0.5556388 -0.6214670 -1.407294 -1.557210
## 3 -0.91334473 -0.410083876  0.7500660 -0.4101682 -1.407294 -1.444401
## 4 -0.73145977  1.410956244  0.4378323 -1.6779609 -1.407294 -1.331592
## 5 -0.81027658 -0.221317522  1.2326091 -2.3118573 -1.407294 -1.218782
## 6 -0.42831817  0.007422883  1.4029185 -1.2553634 -1.407294 -1.105973
print(colSums(is.na(airquality_mean)))
##   Ozone Solar.R    Wind    Temp   Month     Day 
##       0       0       0       0       0       0
preproc_median <- preProcess(airquality, method = c("center", "scale", "medianImpute"))
airquality_median <- predict(preproc_median, airquality)
print(head(airquality_median))
##         Ozone     Solar.R       Wind       Temp     Month       Day
## 1 -0.03423409  0.04517615 -0.7259482 -1.1497140 -1.407294 -1.670019
## 2 -0.18580489 -0.75430487 -0.5556388 -0.6214670 -1.407294 -1.557210
## 3 -0.91334473 -0.41008388  0.7500660 -0.4101682 -1.407294 -1.444401
## 4 -0.73145977  1.41095624  0.4378323 -1.6779609 -1.407294 -1.331592
## 5 -0.32221861  0.21173470  1.2326091 -2.3118573 -1.407294 -1.218782
## 6 -0.42831817  0.21173470  1.4029185 -1.2553634 -1.407294 -1.105973
print(colSums(is.na(airquality_median)))
##   Ozone Solar.R    Wind    Temp   Month     Day 
##       0       0       0       0       0       0

##Задание №5

###Сгенерируйте два числовых набора данных и добавьте в них выбросы. С использованием функции boxplot обнаружьте выбросы и удалим их.

set1 <- c(1, 2, 3, -4, -5, 100)
set2 <- c(-1, -2, 3, 4, -660)
boxplot(set1, main = "Set 1")

boxplot(set2, main = "Set 2")

clean_set1 <- set1[!set1 %in% boxplot.stats(set1)$out]
clean_set2 <- set2[!set2 %in% boxplot.stats(set2)$out]
print(clean_set1)
## [1]  1  2  3 -4 -5
print(clean_set2)
## [1] -1 -2  3  4

##Задание №6

###Сгенерируйте таблицу данных, в которой дублируются строки. Удалите строки с использованием функций unique(), duplicated(). Сравните результаты.

dup_table <- data.frame(
  col1 = c(5, 10, 15, 15, 5),
  col2 = c("A", "B", "C", "C", "D")
)
print(dup_table)
##   col1 col2
## 1    5    A
## 2   10    B
## 3   15    C
## 4   15    C
## 5    5    D
unique_table <- unique(dup_table)
print(unique_table)
##   col1 col2
## 1    5    A
## 2   10    B
## 3   15    C
## 5    5    D
no_dup_table <- dup_table[!duplicated(dup_table), ]
print(no_dup_table)
##   col1 col2
## 1    5    A
## 2   10    B
## 3   15    C
## 5    5    D

##Задание №7

###Обработайте пропуски в данных с использованием пакета mice.

imp <- mice(airquality, m = 1, maxit = 5, method = "pmm", seed = 500)
## 
##  iter imp variable
##   1   1  Ozone  Solar.R
##   2   1  Ozone  Solar.R
##   3   1  Ozone  Solar.R
##   4   1  Ozone  Solar.R
##   5   1  Ozone  Solar.R
airquality_mice <- complete(imp)
print(head(airquality_mice))
##   Ozone Solar.R Wind Temp Month Day
## 1    41     190  7.4   67     5   1
## 2    36     118  8.0   72     5   2
## 3    12     149 12.6   74     5   3
## 4    18     313 11.5   62     5   4
## 5    14     137 14.3   56     5   5
## 6    28     191 14.9   66     5   6
print(colSums(is.na(airquality_mice)))
##   Ozone Solar.R    Wind    Temp   Month     Day 
##       0       0       0       0       0       0

##Задание №8

###Разберите пример с мультиколлинеарностью.

set.seed(123)
x1 <- rnorm(50)
x2 <- x1 * 2 + rnorm(50, 0, 0.1)
y <-  x1 + 2 * x2 + rnorm(50)
data_mc <- data.frame(y, x1, x2)
cor_matrix <- cor(data_mc)
print(cor_matrix)
##            y        x1        x2
## y  1.0000000 0.9786334 0.9777459
## x1 0.9786334 1.0000000 0.9988040
## x2 0.9777459 0.9988040 1.0000000
model <- lm(y ~ x1 + x2, data = data_mc)
summary(model)
## 
## Call:
## lm(formula = y ~ x1 + x2, data = data_mc)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.88137 -0.74056 -0.06374  0.52516  2.27045 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)  -0.2299     0.1431  -1.607    0.115
## x1            4.4173     3.1479   1.403    0.167
## x2            0.3039     1.5748   0.193    0.848
## 
## Residual standard error: 0.9975 on 47 degrees of freedom
## Multiple R-squared:  0.9578, Adjusted R-squared:  0.956 
## F-statistic: 532.8 on 2 and 47 DF,  p-value: < 2.2e-16
library(car)
vif(model)
##       x1       x2 
## 418.3189 418.3189

##Задание №9

###Всю представленную работу собрать в единый отчет с формулирвкой задания, кодом (листингом) и скриншотами выполнения.

###Если вы это читаете, значит это задание выполнено. Этот файл опубликован на RPubs, в нем содержатся все формулировки и реализации заданий, а также вывод к ним.