ml_augmentation_missing_data

Фреймворк для обучения и прогноза на некомплектной выборке. Поддерживаемые опции: выбор одного из пяти методов аугментации (SMOTE, mixup, авторский метод сэмплирования с удалением, и др.), выбор ML-модели (SVM, градиентный бустинг, CatBoost и др.), алгоритма импутации (включая MICE и fuzzy c-means), а также выбора наиболее значимых признаков.