Imputación por interpolación: se estiman los valores perdidos interpolando (uniendo de manera lineal, polinomial, etc.) el último valor válido antes del valor perdido y el primer valor válido después del valor perdido.
0:00/4:41
Métodos de imputación de valores faltantes
Curso de Manejo de Datos Faltantes: Imputación
Clase 8 / 17
Ver clases
Progreso del curso
Problemática de valores faltantes
- 1

El problema de trabajar con valores faltantes
10:56 - 2
lockProceso de análisis y limpieza de datos
Suscríbete para ver más - 3
lockVisualizar y eliminar valores faltantes
Suscríbete para ver más - 4
lockImplicaciones de los distintos tipos de valores faltantes
Suscríbete para ver más - 5
lockAmplía tu conjunto de herramientas para explorar valores faltantes
Suscríbete para ver más - 6
lockTratamiento de variables categóricas para imputación: codificación ordinal
Suscríbete para ver más - 7
lockTratamiento de variables categóricas para imputación: one-hot encoding
Suscríbete para ver más - play_arrow
lockMétodos de imputación de valores faltantes
play_circleViendo ahora
Imputación basada en el donante
- 9
lockImputación por media, mediana y moda
Suscríbete para ver más - 10
lockImputación por llenado hacia atrás y hacia adelante
Suscríbete para ver más - 11
lockImputación por interpolación
Suscríbete para ver más - 12
lockImputación por KNN
Suscríbete para ver más - 13
lockImputación por KNN en Python
Suscríbete para ver más

