数据预处理
2017-09-16 23:03
162 查看
1.数据初步观察
2.索引的使用
3.数据的筛选与合并
4.数据的分组统计
5.高级分组统计方法
6.缺失值的处理
7.缺失值处理代码演示
8.数据采样技术
9.异常值检测
10.数据变换
11.统计知识
a .重要的统计指标
b.如何比较数据的差异
2.索引的使用
3.数据的筛选与合并
4.数据的分组统计
5.高级分组统计方法
6.缺失值的处理
7.缺失值处理代码演示
8.数据采样技术
9.异常值检测
10.数据变换
11.统计知识
a .重要的统计指标
b.如何比较数据的差异
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 数据预处理——One-hot编码
- R语言|数据预处理--5异常值分析及处理
- 数据预处理（完整步骤）
- 数据预处理-归一化与z-score标准化
- spark学习之数据预处理和特征提取
- 数据预处理之白化-Whitening
- 【转载】利用scipy.misc等库对jpg以及png等图像数据预处理（用于深度学习喂数据）
- 数据理解和预处理阅读笔记
- R函数在数据预处理、数据准备过程中的使用
- 数据预处理
- 数据预处理和weka.filters的使用--数据挖掘学习和weka使用（三）
- 《数据挖掘：概念与技术》-第3章：数据预处理
- 数据的预处理之缺失值处理
- Kaggel House Price 数据预处理及其可视化
- 统计分析——数据的预处理
- python 数据预处理 数据标准化
- pyhton 数据预处理 数据读取与存储 csv
- 关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化
- [Scikit-Learn] - 数据预处理 - 归一化/标准化/正则化
- 数据挖掘与预测分析------数据预处理