Imputers

La imputación es una técnica utilizada para reemplazar los datos faltantes en un dataset con algún valor sustituto para retener la mayor parte de los datos/información del dataset.

1. KNN Imputation

   Esta imputación utiliza el método k-Nearest Neighbours para reemplazar los valores faltantes en los datasets con el valor medio de los n_neighbors vecinos más cercanos encontrados en el conjunto de entrenamiento. Por defecto, el parámetro n_neigbours se establecerá en 5 y se utilizará la métrica de distancia euclidiana para encontrar los k vecinos más cercanos.

2. MissForest Imputation

   Inicialmente imputa todos los datos faltantes usando la media/moda. Luego, para cada variable con valores faltantes, se entrenará un modelo de random forest en la parte observada y luego predice la parte faltante.

3. Mean Imputation

   Mean Imputation reemplaza los valores nulos con la media de esa característica a lo largo de todo el dataset.

4. Median Imputation

   Median Imputation reemplaza los valores nulos con la mediana de esa característica a lo largo de todo el dataset.

5. Mode Imputation

   Mode Imputation reemplaza los valores nulos con la moda de esa característica a lo largo de todo el dataset.

6. Group-By Imputation

   Group-by imputation toma las siguientes 3 entradas para reemplazar los valores nulos.

   • Columns to Impute: Columnas que contienen valores nulos y que necesitan ser reemplazados.
   • Group-By Columns: Estas columnas se agruparán al calcular los valores para reemplazar los valores nulos.
   • Aggregator: Función de agregación como mean, median, minimum y maximum que necesita ser utilizada.

   Usando las entradas anteriores, Group-By Imputation encuentra los valores de agregación requeridos agrupando las columnas Group-By y rellena los valores nulos en el dataset con esos valores de agregación.