Coping with Missing, Invalid, and Duplicate Data in R

سرفصل های دوره

Learn about the most essential steps of data preparation: Missing value imputation, outlier detection, and duplicate removal.

1. Course Overview

1. Course Overview

2. Managing Duplicate Data

1. Intro

2. Managing Expectations

3. Course Dataset

4. Data Import

5. Factors vs. Character Data

6. Succession of Steps in Data Pre-processing

7. Duplicate Data in R Base and dplyr

8. Summary

3. Managing Missing Data

1. Intro

2. Understanding Missing Values

3. Quick and Simple Methods for Missing Values

4. Imputation Methods

5. Using visdat for NA Visualizations

6. MICE for Missing Values

7. Machine Learning for Missing Values

8. Working on the Carparts Dataset

9. Summary

4. Outlier and Invalid Data Detection

1. Intro

2. Understanding Statistical Outliers

3. Methods for Outlier Detection

4. The 6 Sigma Rule

5. The Boxplot Method

6. Hypothesis Tests for Outliers

7. Outliers in High Dimensionality

8. Plausibility Checks and Replacement

9. Summary

5. Further Resources and Summary

1. Intro

2. Reproducibility in Pseudo Random Processes

3. Data Pre-processing Task Views

4. Course Summary

439,000 تومان

افزودن به سبد خرید

خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

تولید کننده: PluralSight