Preprocesamiento de datos
Los datos pueden requerir técnicas de preprocesamiento con el fin de garantizar un análisis preciso, eficiente o significativo. La depuración de datos alude a todos aquellos métodos que se utilizan para buscar, eliminar y reemplazar datos incorrectos o ausentes. La detección de cambios de extremos locales y cambios abruptos puede ayudar a identificar tendencias de datos significativas. El suavizado y la eliminación de tendencia son procesos que se emplean para eliminar el ruido y las tendencias polinómicas de los datos, mientras que el escalado cambia los límites de los datos. Los métodos de agrupación y discretización identifican las características de los datos por grupos.
Apps
Data Cleaner | Preprocess and organize column-oriented data |
Tareas de Live Editor
Clean Missing Data | Find, fill, or remove missing data in the Live Editor |
Clean Outlier Data | Find, fill, or remove outliers in the Live Editor |
Compute by Group | Summarize, transform, or filter by group in the Live Editor |
Find Change Points | Find abrupt changes in data in the Live Editor |
Find Local Extrema | Find local maxima and minima in the Live Editor |
Normalize Data | Center and scale data in the Live Editor |
Smooth Data | Smooth noisy data in the Live Editor |
Remove Trends | Remove polynomial trend from data in the Live Editor |
Funciones
Temas
- Limpiar datos confusos y datos ausentes en MATLAB
Este ejemplo muestra cómo encontrar, limpiar y eliminar filas de tabla con datos ausentes.
- Grouping Variables To Split Data
You can use grouping variables to categorize data variables.
- Split Data into Groups and Calculate Statistics
This example shows how to group data and apply statistics functions to each group.
- Perform Calculations by Group in Table
Specify groups of data in tables and timetables, and perform calculations by group. Choose a function for group calculations using these recommendations.