Gestire i dati mancanti in Python

Analizzare il tipo di mancanza nel tuo insieme di dati è un passaggio fondamentale per trattare i valori mancanti. In questo capitolo imparerai nel dettaglio come individuare pattern nei dati mancanti e non mancanti e come trattare correttamente la mancanza usando tecniche semplici come l’eliminazione per lista (listwise deletion).

Entra nel mondo dell’imputazione dei dati! In questo capitolo applicherai tecniche di imputazione di base per colmare i dati mancanti e visualizzerai le tue imputazioni per valutarne le prestazioni.

Infine, vai oltre le tecniche semplici di imputazione e sfrutta al massimo il tuo insieme di dati usando tecniche avanzate basate su modelli di Machine Learning, per imputare e valutare con precisione i dati mancanti. Userai metodi come KNN e MICE per ottenere il massimo dai tuoi dati mancanti!