پاک‌سازی داده‌ها و تضمین کیفیت در R

آنچه یاد خواهید گرفت

آماده‌سازی داده‌ها برای تحلیل می‌تواند کار دشواری باشد، به‌ویژه زمانی که با مقادیر مفقود، داده‌های پرت و فرمت‌های ناسازگار مواجه هستید که به یکپارچگی اطلاعات شما آسیب می‌زند.

در این دوره، پاک‌سازی داده‌ها و تضمین کیفیت در R، توانایی مدیریت مجموعه‌های داده ناسازگار و واقعی را خواهید یافت و آن‌ها را به فرمت‌های قابل اعتماد و قابل تحلیل تبدیل خواهید کرد.

ابتدا، استراتژی‌هایی، از جمله خلاصه‌سازی الگوهای مفقود و برآورد مقادیر با استفاده از تکنیک‌های آماری و شرطی را برای شناسایی و رسیدگی به داده‌های مفقود بررسی خواهید کرد. سپس، بررسی می کنید که چگونه می‌توان داده‌های پرت را در داده‌های عددی و طبقه‌ای با استفاده از مصورسازی، روش‌های آماری و جایگزینی‌های هدفمند شناسایی و مدیریت کرد. در نهایت، خواهید آموخت که چگونه با تبدیل نوع داده‌ها، استانداردسازی واحدها و اجرای بررسی‌های اعتبارسنجی، سازگاری داده‌ها را تضمین کنید تا یکپارچگی داده حفظ شود. زمانی که این دوره را به پایان برسانید، مهارت‌ها و دانش لازم برای پاک‌سازی و آماده‌سازی داده‌ها را خواهید داشت تا با اطمینان مجموعه‌های داده را برای تحلیل پیش‌پردازش کنید.