Summary
Keywords
Full Transcript
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 https://www.linkedin.com/in/octaviogutierrez/ Para guiar tu aprendizaje, en este vínculo (https://youtu.be/lomJnbN5Wnk) 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/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln El código del video está disponible en GitHub https://github.com/CodigoMaquina/code #cienciadedatos #datascience #machinelearning #aprendizajedemaquina #analisisdedatos #python
