FRANCO MANSILLA IBÁÑEZ

FRANCO MANSILLA IBÁÑEZFRANCO MANSILLA IBÁÑEZFRANCO MANSILLA IBÁÑEZ
About
Proyectos
Columnas
GitHub
Eventos
Cursos
Contacto

FRANCO MANSILLA IBÁÑEZ

FRANCO MANSILLA IBÁÑEZFRANCO MANSILLA IBÁÑEZFRANCO MANSILLA IBÁÑEZ
About
Proyectos
Columnas
GitHub
Eventos
Cursos
Contacto
Más
  • About
  • Proyectos
  • Columnas
  • GitHub
  • Eventos
  • Cursos
  • Contacto
  • About
  • Proyectos
  • Columnas
  • GitHub
  • Eventos
  • Cursos
  • Contacto

[Python] Naive Treatment of Missing Value (MsNAIVE)

Es un código de imputación que permite de forma sencilla (ingenua) pero eficiente en realizar el tratamiento de valores perdidos; utilizando medianas y categoría faltante.

Obtén más información

[Python] Missing Value Treatment with continuos Target (MTC)

Código que permite imputar valores perdidos teniendo en consideración la variable target (dependiente) de carácter continuo.

Obtén más información

[Stata] proxy de SMOTE (pSMOTE)

Código que permite balancear clases desequilibradas en la variable de estudio dependiente. Es recomendable usarlo para variables dependientes dicotómicas.

Obtén más información

[Stata] Discrimination Capacity of Features (dcof)

Código que permite verificar estadísticamente que variables son posiblemente predictivas a priori de la ejecución del modelo. Código recomendable para variables de estudio dicotómicas.

Obtén más información

Copyright © 2022 Franco Mansilla Ibáñez - Todos los derechos reservados.

Este sitio web utiliza cookies

Usamos cookies para analizar el tráfico del sitio web y optimizar tu experiencia en el sitio. Al aceptar nuestro uso de cookies, tus datos se agruparán con los datos de todos los demás usuarios.

Aceptar