---
title: "Imputadores"
url: https://docs.catalyst.zoho.com/es/quickml/help/operations-in-quickml/imputers/
description: "QuickML es un servicio de construcción de pipelines de ML completamente sin código en la plataforma de desarrollo Catalyst para crear pipelines de aprendizaje automático con soluciones de extremo a extremo."
last_updated: 2026-03-24T12:08:39Z
service: QuickML
type: general
---

# 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.