Durante el análisis exploratorio de datos, varias características categóricas contienen valores faltantes. ¿Cómo puede el ingeniero de ML usar SageMaker para manejar estos valores categóricos faltantes?

SageMaker Data Wrangler es una herramienta de preparación de datos que permite a los ingenieros de ML realizar transformaciones de datos, incluida la imputación de valores faltantes. Para características categóricas, la imputación con el valor modal (el valor que aparece con mayor frecuencia) es una estrategia común y efectiva, ya que mantiene la naturaleza categórica de la característica. SageMaker Clarify se utiliza principalmente para detectar sesgos en los datos y modelos, y para proporcionar explicabilidad del modelo, no para la imputación de datos. La imputación con el valor medio no es apropiada para características categóricas, ya que la media solo tiene sentido para datos numéricos.