Clase_​20

WF1

• Columna operada: Age — 177 NaN de 891 filas

• Remove Row: de 891 filas quedan 714 — pérdida del 20% de datos

• Fixed Value = 0: distorsiona la media de Age — baja artificialmente

• Median: imputa con 28 — mantiene la distribución central estable

• La imputación debe hacerse antes del escalado porque el Normalizer calcula min y max sobre los datos — si hay NaN el cálculo falla o queda sesgado

WF2

• Age con Mean: imputa con 29.7 — sensible a outliers

• Age con Median: imputa con 28 — más robusta con outliers

• Comparar Statistics — la media resultante es diferente en cada caso

• Most Frequent no aplica sobre columnas numéricas

• En producción calcular la estrategia solo con datos de train evita data leakage

WF3

• Min-Max: valores entre 0 y 1 — sensible a outliers — usar con Redes Neuronales y KNN

• Z-Score: media 0 y desviación 1 — más robusto con outliers — usar con Regresión y SVM

• Random Forest: no requiere escalado — basado en árboles de decisión

• KNN: muy sensible al escalado — siempre escalar antes

• Redes Neuronales: Min-Max recomendado — convergencia más rápida