資料質量分析是資料預處理的前提，是資料探勘分析結論有效性和準確性的基礎，其主要任務是檢查原始資料中是否存在髒資料，髒資料一般是指不符合要求，以及不能直接進行相應分析的資料。在常見的資料探勘工作中，髒資料主要值缺失值和異常值。本專場重點介紹了缺失值的判斷、缺失值模式探索、缺失值處理及異常值判斷的常用方法及r語言實踐。
本場chat包括以下內容：
缺失值的判斷和模式識別。
缺失值處理：直接刪除缺失值、缺失值填補、缺失值插補。
異常值判斷的常用方法。
利用qcc質量控制圖和箱線圖識別異常值。
利用聚類分析甄別異常值。
閱讀全文:
資料探勘之資料探索
本文探索 1.探索類別特徵，檢視每個類別特徵有多少種類 2.探索數值特徵，離散化方式 3.去除大多數是同一值的特徵 4.處理時間型特徵 所需python包 from pandas import series,dataframe import pandas as pd一 檢視每個類別特徵有多少種類 d...
R語言資料探勘資料
包含理論知識與rpart包例項。包含演算法的自行實現，以及rweka包的c4.5演算法 tree包的cart演算法。離散選擇模型大師kenneth train的個人主頁，提供了matlab r和gauss的源 個人推薦r 中的rsghb包，採用的估計方法是hierarchical bayes演算法，...
《R語言資料探勘》 1 3 資料探勘
1.3 資料探勘 資料探勘就是在資料中發現乙個模型，它也稱為探索性資料分析，即從資料中發現有用的 有效的 意想不到的且可以理解的知識。有些目標與其他科學，如統計學 人工智慧 機器學習和模式識別是相同的。在大多數情況下，資料探勘通常被視為乙個演算法問題。聚類 分類 關聯規則學習 異常檢測 回歸和總結都...