文档

数据预处理

数据清理、平滑、分组

数据集可能需要预处理技术来确保准确、高效或有意义的分析。数据清理指的是查找、删除和替换坏数据或丢失数据的方法。检测局部极值和突变有助于识别重要的数据趋势。平滑和去趋势化是消除噪声和线性变化的过程数据的趋势,而缩放改变了数据的界限。分组和分块方法是识别数据变量之间关系的技术。

功能

全部展开

伊斯米辛 查找缺少的值
RMM缺失 删除丢失的条目
填充物缺失 填充缺少的值
丢失的 创建缺少的值
标准化 插入标准缺失值
同等 查找数据中的异常值
填充异常值 检测并替换数据中的异常值
易变 查找数据中的突然变化
伊斯洛卡明 求局部极小值
islocalmax 求局部极大值
平滑数据 平滑噪声数据
莫维梅恩 移动平均数
莫维米德 移动中间带
德特伦德 消除线性趋势
规范化 规范化数据
重新缩放 数组元素的比例范围
离散化 将数据分组到箱子或类别中
组摘要 分组汇总计算
历史记录 柱状图箱数
历史计数2 二元直方图箱数
查找组 查找组并返回组号
拆分应用 将数据拆分为组并应用函数
罗文 将函数应用于表或时间表行
瓦芬 将函数应用于表或时间表变量
Accumaray 用累加构造数组

话题

MATLAB中的缺失数据

处理数据集中缺少的值。

清除表中凌乱和缺失的数据

此示例演示如何查找、清理和删除缺少数据的表行。

数据平滑与异常检测

消除数据中不必要的噪声或行为,并查找、填充和删除异常值。

去趋势化数据

从数据中删除线性趋势。

将变量分组以分割数据

可以使用分组变量对数据变量进行分类。

将数据分组并计算统计数据

此示例演示如何对数据进行分组,并将统计函数应用于每个组。

拆分表数据变量和应用函数

此示例演示如何对数据变量进行分组,并将函数应用于每个组。

这个话题有用吗?