آموزش پاکسازی داده ها و تضمین کیفیت در R

شناسایی و آدرس دهی داده های از دست رفته Identifying and Addressing Missing Data

• معرفی نانیار و موش Introducing naniar and mice

• نسخه ی نمایشی: استفاده از naniar برای تجسم مقادیر گمشده Demo: Using naniar to Visualize Missing Values

• نسخه ی نمایشی: نسبت دادن مقادیر گمشده Demo: Imputing Missing Values

• نسخه ی نمایشی: وارد کردن مقادیر گمشده با KNN Demo: Imputing Missing Values with KNN

• نسخه ی نمایشی: انجام Imputations با موش Demo: Performing Imputations with mice

شناسایی و رسیدگی به موارد پرت Detecting and Handling Outliers

• پیرایش و Winsorization برای مقابله با موارد دور از دسترس Trimming and Winsorization to Deal with Outliers

• نسخه ی نمایشی: شناسایی افراد پرت با استفاده از روش IQR Demo: Identifying Outliers Using the IQR Method

• نسخه ی نمایشی: تجسم نقاط پرت با استفاده از نمودارهای جعبه Demo: Visualizing Outliers Using Box Plots

• نسخه ی نمایشی: پیرایش نقاط پرت Demo: Trimming Outliers

• نسخه ی نمایشی: Winsorizing Outliers Demo: Winsorizing Outliers

مدیریت سازگاری داده ها و صحت نوع Handling Data Consistency and Type Correctness

• نسخه ی نمایشی: پاک کردن داده های عددی Demo: Cleaning Numeric Data

• نسخه ی نمایشی: انواع تاریخ تمیز کردن Demo: Cleaning Date Types

• نسخه ی نمایشی: اعتبارسنجی داده های دسته بندی Demo: Validating Categorical Data

• نسخه ی نمایشی: انجام بررسی های محدوده روی داده های عددی Demo: Performing Range Checks on Numeric Data