Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python

Para citar este recurso educativo utiliza la siguiente referencia:

Gutiérrez-García, J.O. [Código Máquina]. (2022, 13 de Junio). Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python [Video]. YouTube. [Incluye aquí la URL del video]

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com

ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado.

🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn   / octaviogutierrez  

Para guiar tu aprendizaje, en este vínculo (   • Curso de Inteligencia Artificial (IA) y Ma...  ) se encuentra una guía secuencial para aprender:

1. Programación Básica con Python;
2. Manejo de Datos;
3. Visualización de Datos;
4. Análisis de Datos; y
5. Aprendizaje de Máquina y Ciencia de Datos.

********************************************

Este video explica cómo estimar o imputar valores faltantes utilizando K-Vecinos más Cercanos (K-Nearest Neighbors - KNN) a partir de múltiples columnas cuyos valores son conocidos.

Índice del Video:

0:00 Qué es la Imputación de valores faltantes
8:16 KNN para imputación con scikit-learn
12:36 Not a Number (NaN) para indicar valores faltantes
15:27 Uso de KNN Imputer
20:50 Comparación de técnicas de imputación


⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.

⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
https://www.amazon.com.mx/stores/sinH...


El código del video está disponible en GitHub https://github.com/CodigoMaquina/code

#cienciadedatos #datascience #machinelearning #aprendizajedemaquina #analisisdedatos #python