¿Cómo se manejan los datos faltantes en un gran conjunto de datos con características ordinales?

Dele a cada función un número.

Por ejemplo: muy satisfecho = 5, satisfecho = 4, neutral = 3, insatisfecho = 2, pero puede elegir cualquier intervalo de números descendentes.

Una vez que tenga esto, puede calcular la media (o media ponderada si lo desea) para cada caso y luego regresar y sustituir los valores faltantes con la media (que encontró anteriormente) para ese caso.

Más en detalle: si de las 20000 personas que han respondido la pregunta X le faltan 100 respuestas (valores faltantes), tome la media que calculó como indiqué y dele los valores faltantes. Por supuesto, primero debes traducirlo. Entonces, si la media que encuentra es igual a 3,2, eso corresponderá a “neutral” y una media igual a 4,7 parece más probable que esté “muy satisfecha”.

Un posible método de relleno para las características ordinales es usar el modo, ya que es el valor que es más probable que ocurra.

También puede probar la imputación múltiple o KNN para completar los valores faltantes que condicionan los valores de otras columnas. Si usa la imputación múltiple, es posible que necesite transformar sus valores ordinales en valores numéricos y luego ejecutarlo con el método de coincidencia de medias predictivo para obtener un resultado razonable.

Como son ordinales, de todos modos debe pensar en cómo manejar los valores ordinales.

Respuesta simple: simplemente complete el nulo / faltante con ‘faltante’.

El siguiente es cómo lidiar con los valores ordinales.