مدیریت دادههای گمشده با Imputation در R
✅ سرفصل و جزئیات آموزش
دادههای گمشده همه جا هستند. فرآیند پر کردن مقادیر گمشده به عنوان Imputation شناخته میشود و دانستن نحوه صحیح پر کردن دادههای گمشده مهارتی ضروری است اگر میخواهید پیشبینیهای دقیقی تولید کنید و خود را از دیگران متمایز کنید. در این دوره، یاد خواهید گرفت که چگونه از مصورسازیها و تست های آماری برای تشخیص الگوهای دادههای گمشده استفاده کنید و چگونه دادهها را با استفاده از مجموعهای از مدلهای آماری و یادگیری ماشین Impute کنید.
همچنین مهارتهای تصمیمگیری را به دست خواهید آورد که به شما کمک میکند تصمیم بگیرید کدام روش Imputation در یک موقعیت خاص بهترین عملکرد را دارد. در نهایت، یاد خواهید گرفت که عدم قطعیت ناشی از Imputation را در استنتاج و پیشبینیهای خود بگنجانید تا آنها را قویتر و قابل اعتمادتر کنید.
مدیریت دادههای گمشده با Imputation در R
-
دادههای گمشده: چه چیزی ممکن است اشتباه پیش برود؟ None
-
مکانیزمهای دادههای گمشده None
-
مصورسازی الگوهای دادههای گمشده None
-
Imputation میانگین None
-
Hot-deck Imputation None
-
Imputation به روش k-Nearest-Neighbors None
-
رویکرد Imputation مبتنی بر مدل None
-
تکرار تغییرپذیری دادهها None
-
Imputation مبتنی بر درخت None
-
Multiple Imputation با استفاده از Bootstrapping None
-
Multiple Imputation با معادلات زنجیرهای None
-
جمعبندی مطالب None
-
ملاحظات پایانی None
مشخصات آموزش
مدیریت دادههای گمشده با Imputation در R
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:13
- مدت زمان :4:00:00
- حجم :310.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی