Наборы данных могут потребовать, чтобы методы предварительной обработки гарантировали точный, эффективный, или значимый анализ. Очистка данных обращается к методам для нахождения, удаления, и заменяющий плохо или недостающих данных. Обнаружение локального экстремального значения и резких изменений может помочь идентифицировать значительные тенденции данных. Сглаживание и detrending является процессами для удаления шумовых и линейных тенденций от данных при масштабировании изменений границы данных. Группировка и методы раскладывания является методами, которые идентифицируют отношения среди переменных данных.
Пропавшие без вести данных в MATLAB
Обработайте отсутствующие значения в наборах данных.
Очистка грязных и пропущенных данных в таблицах
Этот пример показывает, как найти, убрать, и удалить строки таблицы с недостающими данными.
Усреднение данных и определение выбросов
Устраните нежелательный шум или поведение в данных, и найдите, заполните и удалите выбросы.
Удаление линейных тенденций из данных.
Группировка переменных для разделения данных
Можно использовать группирующиеся переменные, чтобы категоризировать переменные данных.
Разделение данных в группы и вычисляет статистику
Этот пример показывает, как сгруппировать данные и применить функции статистики к каждой группе.
Разделение табличных переменных данных и применение функций
Этот пример показывает, как сгруппировать переменные данных и применить функции к каждой группе.
