Ich imputiere fehlende Werte mit ML-Algorithmen

Ich biete zuverlässige Missing Value und Outlier Imputation sowohl mit Machine Learning als auch mit statistischen Methoden an, angepasst an deine Datenstruktur und Forschungsziele. Mein Workflow ist vollständig reproduzierbar in R, mit sorgfältigen Diagnosen vor und nach der Imputation.

Missing Value Imputation:

• kNN-Imputation
• Hot-deck-Imputation
• Regressionbasierte Imputation (lineare Modelle)
• Regressionsbaum-Imputation (rpart)
• Iterative robuste modellbasierte Imputation (IRMI)
• Vollständig multivariate, gemischte Datentypen Unterstützung (MICE)

Outlier-Behandlung (VIM & robuste Methoden):

• Winsorisierung
• Boxplot- / IQR-basierte Erkennung
• Robuste Distanz- & multivariate Outlier-Behandlung

ML-basierte Optionen (wenn passend):

• Random Forest Imputation
• XGBoost Imputation
• Predictive Mean Matching & hybride Ansätze

Du erhältst gereinigte Daten, klare Methodenerklärung, Visualisierung und optionale R-Skripte für Transparenz und Wiederverwendbarkeit.