Realizaré simulación de imputación de valores faltantes usando algoritmos de machine learning.

Si necesitas amputar (introducir) datos faltantes (MCAR, MAR, MNAR), realizar imputación enmascarada y evaluar estimaciones de parámetros secundarios para comparar el rendimiento de algoritmos (kNN, MICE, MissForest/RF, XGBoost, rpart), contáctame para una oferta personalizada.

Oferta general:

Ofrezco una imputación confiable de valores faltantes y valores atípicos usando tanto aprendizaje automático como métodos estadísticos, adaptados a la estructura de tus datos y objetivos de investigación. Mi flujo de trabajo es completamente reproducible en R, con diagnósticos cuidadosos antes y después de la imputación.

Imputación de valores faltantes:

• Imputación kNN
• Imputación hot-deck
• Imputación basada en regresión (modelos lineales)
• Imputación con árbol de regresión (rpart)
• Imputación iterativa robusta basada en modelos (IRMI)
• Soporte completo para datos multivariados y de tipos mixtos (MICE)

Tratamiento de valores atípicos (VIM y métodos robustos):

• Winsorization
• Detección basada en boxplot / IQR
• Manejo de valores atípicos multivariados y distancia robusta

Opciones basadas en ML (cuando sea apropiado):

• Imputación con Random Forest
• Imputación con XGBoost
• Emparejamiento de medias predictivas y enfoques híbridos

Recibirás datos limpios, justificación clara del método, visualización y scripts en R opcionales para transparencia y reutilización.