Problemática de valores faltantes
El problema de trabajar con valores faltantes
Proceso de análisis y limpieza de datos
Visualizar y eliminar valores faltantes
Implicaciones de los distintos tipos de valores faltantes
Amplía tu conjunto de herramientas para explorar valores faltantes
Tratamiento de variables categóricas para imputación: codificación ordinal
Tratamiento de variables categóricas para imputación: one-hot encoding
Métodos de imputación de valores faltantes
Imputación basada en el donante
Imputación por media, mediana y moda
Imputación por llenado hacia atrás y hacia adelante
Imputación por interpolación
Imputación por KNN
Imputación por KNN en Python
Imputación basada en modelos
Introducción a la imputación basada en modelos
Imputaciones Múltiples por Ecuaciones Encadenadas (MICE)
Conclusión
Transformación inversa de los datos
¿Cómo continuar practicando?
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 4
Preguntas 0
La imputación por donante es un método utilizado en la estadística para rellenar valores perdidos en un conjunto de datos. Consiste en buscar un “donante” o conjunto de datos similares y utilizar sus valores para rellenar los valores perdidos.
Por otro lado, un modelo es una representación matemática o computacional de un sistema o proceso. En estadística y machine learning, los modelos se utilizan para representar y predecir patrones en los datos.
El método scatter_imputation_plot() no se encuentra en missing. Sería bueno que actualizaran esto en la clase, ya que está pasando mucho en este curso.
imputación de datos con la mediana
Comparando los 3
fig, ax = plt.subplots(1,3,figsize=(20,10), sharey=True)
(
nhanes_df
.select_columns("height", "weight")
.missing.bind_shadow_matrix(True, False, suffix= "_imp")
.assign(
height = lambda df: df.height.fillna(value = df.height.mean()),
weight = lambda df: df.weight.fillna(value = df.weight.mean())
).missing.scatter_imputation_plot(
x="height",
y="weight",
# show_marginal = True,
# height = 10,
ax=ax[0]
)
),
(
nhanes_df
.select_columns("height", "weight")
.missing.bind_shadow_matrix(True, False, suffix= "_imp")
.assign(
height = lambda df: df.height.fillna(value = df.height.median()),
weight = lambda df: df.weight.fillna(value = df.weight.median())
).missing.scatter_imputation_plot(
x="height",
y="weight",
# show_marginal = True,
# height = 10,
ax=ax[1]
)
),
(
nhanes_df
.select_columns("height", "weight")
.missing.bind_shadow_matrix(True, False, suffix= "_imp")
.assign(
height = lambda df: df.height.fillna(value = df.height.mode()),
weight = lambda df: df.weight.fillna(value = df.weight.mode())
).missing.scatter_imputation_plot(
x="height",
y="weight",
# show_marginal = True,
# height = 10,
ax=ax[2]
)
),
ax[0].set_title("Mean", fontsize =22, fontweight='bold')
ax[1].set_title("Median", fontsize =22, fontweight='bold')
ax[2].set_title("Mode", fontsize =22, fontweight='bold')
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.