Farò uno studio di simulazione di imputazione dei valori mancanti usando ml

Se hai bisogno di amputare (introdurre) dati mancanti (MCAR, MAR, MNAR), eseguire imputazione mascherata e valutare stime di parametri secondari per confrontare le performance degli algoritmi (kNN, MICE, MissForest/RF, XGBoost, rpart), contattami per un'offerta personalizzata.

Offerta generica:

Offro un'imputazione affidabile di valori mancanti e outlier utilizzando sia machine learning che metodi statistici, adattata 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 iterativa robusta basata su modelli (IRMI)
• Supporto completo per dati multivariati e di tipo misto (MICE)

Trattamento degli outlier (VIM & 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
• XGBoost Imputation
• Matching della media predittiva & approcci ibridi

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