Imputerò i valori mancanti usando algoritmi di machine learning

Offro un'imputazione affidabile di valori mancanti e outlier utilizzando sia machine learning che metodi statistici, adattati alla struttura dei tuoi dati e ai tuoi obiettivi di ricerca. Il mio workflow è completamente riproducibile in R, con diagnosi accurate prima e dopo l'imputazione.

Imputazione di valori mancanti:

• imputazione kNN
• imputazione hot-deck
• imputazione basata su regressione (modelli lineari)
• imputazione con albero di regressione (rpart)
• Imputazione robusta iterativa basata su modelli (IRMI)
• Supporto completo per dati multivariati, di tipo misto (MICE)

Trattamento degli outlier (VIM e metodi robusti):

• Winsorization
• Rilevamento tramite boxplot / IQR
• Gestione di outlier robusti e di distanza multivariata

Opzioni basate su ML (quando appropriato):

• imputazione con Random Forest
• imputazione con XGBoost
• Matching della media predittiva e approcci ibridi

Riceverai dati puliti, giustificazione chiara del metodo, visualizzazione e script R opzionali per trasparenza e riutilizzo.