Completamente ao acaso
A ausência não depende das variáveis observadas nem do valor ausente. É uma hipótese forte e rara.
5.2 · PREPARAÇÃO DOS DADOS
Valores ausentes
Um campo vazio pode significar falha de coleta, “não se aplica”, recusa, atraso ou ausência real. Antes de preencher, investigue o mecanismo que produziu a falta.
TRÊS SITUAÇÕES
Por que o dado desapareceu?
Dependente do observado
A ausência pode ser explicada por outras colunas disponíveis, como um exame pedido apenas para certa faixa etária.
Dependente do próprio valor
A chance de faltar depende do dado escondido, como pessoas de renda muito alta omitindo a renda.
Não existe uma imputação universalmente correta. Média é simples, mediana resiste melhor a extremos, uma constante destaca a ausência e modelos de imputação aproveitam outras variáveis. Cada escolha muda a distribuição.
SEM VAZAMENTO
Aprenda o preenchimento no treino.
Separar os dados
Preserve validação e teste antes de calcular qualquer estatística.
Calcular no treino
Encontre média, mediana ou modelo de imputação usando apenas X de treino.
Reaplicar
Use o mesmo valor ou imputador na validação, no teste e na produção.
LABORATÓRIO INTERATIVO
Compare estratégias em uma coluna.
| Exemplo | idade |
|---|---|
| A | 18 |
| B | 22 |
| C | ? |
| D | 46 |
| E | 24 |
Resultado para o exemplo C
idade =
Próximo: dados categóricos.
Veja como categorias textuais podem ser representadas sem inventar uma ordem falsa.
Abrir dados categóricos →