Tidymodels的step_impute_linear()在全列含NA时能否使用及报错解决

你遇到的报错是因为step_impute_linear()的运行逻辑是，对每个待插补的列，会用其他指定变量作为预测变量拟合线性模型，再用模型结果填充缺失值。该函数要求用来拟合模型的预测变量必须没有缺失值，而你默认调用该函数时会自动使用除待插补列外的所有其他列作为预测变量，你的数据集所有列都存在NA，所以拟合模型时预测变量存在缺失，直接导致插补终止。

• 方案1：分阶段插补，优先处理预测变量的缺失
  先对缺失率较低、和其他变量关联度弱的列用简单插补方法处理完缺失，再用这些无缺失的列作为预测变量，执行线性插补。示例代码如下：

  library(recipes)
  
  # 正确的分阶段插补写法
  impute_rec <- recipe(~ ., data = your_data) %>%
    # 第一步：用中位数插补数值型基础变量，众数插补分类基础变量
    step_impute_median(all_numeric_predictors(), -all_outcomes()) %>%
    step_impute_mode(all_nominal_predictors()) %>%
    # 第二步：指定用已经完成插补的列作为预测变量，对需要的列做线性插补
    step_impute_linear(
      cols_to_impute, # 替换为你需要用线性插补的列名/选择器
      impute_with = c(all_numeric_predictors(), all_nominal_predictors())
    ) %>%
    prep()
  
  # 提取插补完成的数据集
  imputed_data <- bake(impute_rec, new_data = NULL)
  

• 方案2：明确指定impute_with参数缩小预测变量范围
  如果你只需要对特定少数列做线性插补，不需要全量列参与预测，可以手动指定少数无缺失（或你提前处理好缺失）的强相关变量作为预测变量，避免引入其他带缺失的列：

  step_impute_linear(
    target_col, # 待插补的目标列
    impute_with = c(strong_cor_col1, strong_cor_col2) # 仅用提前处理好缺失的强相关列做预测
  )
  

• 方案3：替换为兼容预测变量缺失的插补方法
  如果你不想分阶段处理，也可以直接改用step_impute_knn()、step_impute_bag()这类自带预测变量缺失处理逻辑的插补函数，这类函数不需要预测变量完全无缺失也可以正常运行。

内容的提问来源于stack exchange，提问作者Олег Меженский