آموزش کنار آمدن با داده های مفقود شده ، نامعتبر و تکراری در R

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

مدیریت داده های تکراری Managing Duplicate Data

• معرفی Intro

• مدیریت انتظارات Managing Expectations

• مجموعه داده های دوره Course Dataset

• وارد کردن داده Data Import

• عوامل در مقابل داده های کاراکتر Factors vs. Character Data

• جانشینی مراحل در پیش پردازش داده ها Succession of Steps in Data Pre-processing

• داده ها را در R Base و dplyr کپی کنید Duplicate Data in R Base and dplyr

• خلاصه Summary

مدیریت داده های از دست رفته Managing Missing Data

• معرفی Intro

• درک ارزش های از دست رفته Understanding Missing Values

• روشهای سریع و ساده برای از دست دادن مقادیر Quick and Simple Methods for Missing Values

• روشهای ورودی Imputation Methods

• استفاده از visdat برای تجسم NA Using visdat for NA Visualizations

• MICE برای ارزشهای گمشده MICE for Missing Values

• یادگیری ماشینی برای ارزش های از دست رفته Machine Learning for Missing Values

• کار روی مجموعه داده کارپارت Working on the Carparts Dataset

• خلاصه Summary

تشخیص داده دور از دسترس و نامعتبر Outlier and Invalid Data Detection

• معرفی Intro

• درک موارد پرت آماری Understanding Statistical Outliers

• روش هایی برای تشخیص پرتگاه Methods for Outlier Detection

• قانون 6 سیگما The 6 Sigma Rule

• روش Boxplot The Boxplot Method

• آزمون های فرضیه برای Outlier ها Hypothesis Tests for Outliers

• دور از دسترس در ابعاد بالا Outliers in High Dimensionality

• قابل قبول بودن بررسی و جایگزینی Plausibility Checks and Replacement

• خلاصه Summary

منابع و خلاصه بیشتر Further Resources and Summary

• معرفی Intro

• تکرارپذیری در فرآیندهای تصادفی شبه Reproducibility in Pseudo Random Processes

• پیش نمایش پردازش داده ها کارها Data Pre-processing Task Views

• خلاصه دوره Course Summary