Je vais effectuer l'imputation des valeurs manquantes en utilisant des algorithmes de machine learning

Je propose une imputation fiable des valeurs manquantes et des outliers en utilisant à la fois des méthodes d'apprentissage automatique et des méthodes statistiques, adaptées à la structure de vos données et à vos objectifs de recherche. Mon processus de travail est entièrement reproductible dans R, avec des diagnostics minutieux avant et après l'imputation.

Imputation des valeurs manquantes :

• Imputation kNN
• Imputation hot-deck
• Imputation par régression (modèles linéaires)
• Imputation par arbre de régression (rpart)
• Imputation robuste itérative basée sur un modèle (IRMI)
• Prise en charge de données multivariées, de types mixtes (MICE)

Traitement des outliers (VIM & méthodes robustes) :

• Winsorisation
• Détection par boxplot / IQR
• Gestion robuste des distances et outliers multivariés

Options basées sur ML (lorsque approprié) :

• Imputation par forêt aléatoire
• Imputation XGBoost
• Appariement par moyenne prédictive & approches hybrides

Vous recevrez des données nettoyées, une justification claire de la méthode, des visualisations et des scripts R optionnels pour assurer transparence et réutilisation.