6 COMENTARIOS
  • mfunes

    Buen día! Bienvenidos a la sesión de Educación.
    Agradecemos a los autores su participación e invitamos a todos a iniciar el debate.

  • mfunes

    Antonio, Isaque y Marcos, la imputación de datos faltantes es un tema común para quienes trabajamos con bases de datos y el trabajo aporta información de interés. Muy claro el trabajo.
    Quiero consultarles en relación al hecho de que el modelo no ajustó correctamente para la variable “Fare” y que pudieron resolverlo empleando información de las otras variables. ¿Qué recomendaciones realizan a los estudiantes sobre los pasos a seguir en casos en los que el modelo no ajuste correctamente? ¿Presentan en sus clases este tipo de situaciones?

    1. acsjunior

      En el caso en cuestión, si bien la métrica de evaluación no fue tan buena como las demás, observamos consistencia en el valor artificial que le atribuía el modelo. Y como estas eran solo dos observaciones, se decidió mantener el enfoque. En otros casos, recomendaría utilizar otra técnica, como el algoritmo Mice.

  • mfunes

    Aproximándose el cierre de la sesión, lamentamos no haber tenido respuesta de los autores.

  • estefanianahas

    Felicitaciones por el trabajo, muy interesante experiencia, gracias por compartirla!!!
    Quisiera hacerles una pregunta, ¿por qué decidieron trabajar con R y no con Python?

    1. acsjunior

      Elegimos trabajar con R simplemente porque los autores están más familiarizados con la herramienta. Sin embargo, el trabajo podría haberse realizado en Python sin ningún problema.