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. 📊 Los datos no mienten: La caída del cabello se frena con mantenimiento predictivo, no correctivo. El nuevo shampoo sólido anticaída de la co-fundadora de Código Máquina es el upgrade de alto rendimiento que tu hardware biológico necesita. 🧪💻🧬 👉 Consigue el tuyo y estabiliza el sistema: https://bit.ly/Sinhaki El código del video está disponible en GitHub https://github.com/CodigoMaquina/code #cienciadedatos #datascience #machinelearning #aprendizajedemaquina #analisisdedatos #python
Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python
¿Cómo manejar los VALORES EXTREMOS en nuestros datos?
K Vecinos Más cercanos para clasificación y regresión
Los TIPOS DE DATOS en Ciencia de Datos
K-Means Paso a Paso: Conceptos Clave y Código Real
K VECINOS MÁS CERCANOS (KNN) | TEORIA Y PRACTICA | R Y PYTHON | MACHINE LEARNING
Como Tratar Missing Values con Pandas y Sklearn | Data Science con Python | Inteligencia Artificial
¿Cómo manejar los DATOS FALTANTES?: guía completa
Datos de Entrenamiento, Validación y Prueba: ¿Cómo crearlos y qué objetivos tienen? Machine Learning
![Aprende Ciencia de datos - Curso completo para principiantes [Tutorial]](https://i.ytimg.com/vi/UWKQca26LLo/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLAk-pVaLmLzOvbWVc8knDVHFAWylQ)
Aprende Ciencia de datos - Curso completo para principiantes [Tutorial]
👉🔴 KNN ALGORITMO en Español (K VECINOS MÁS CERCANOS) de CLASIFICACIÓN SUPERVISADA.
K-Vecinos Más Cercanos (KNN) para Clasificación con Python
Tutorial: MANEJO DE DATOS CATEGÓRICOS FALTANTES con Python, Pandas y Scikit-Learn
START YOUR TUESDAY WITH FAITH | TODAY GOD IS GIVING YOU UNEXPECTED OPPORTUNITIES | FATHER FREDDY ...
Experto en IA: La Gran Mentira de la Inteligencia Artificial | Dr. Ramón López de Mántaras
Missingno Python Library | Visualising Missing Values in Data Prior to Machine Learning
Aprende Python para ciencia de datos
K-means (o K-medias) para detección de Clusters: Algoritmo e implementación con Python
Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python
