브라이틱스(Brightics)에서 변수의 결측치를 제거할 때 사용하는 Delete Missing Data 을 알아본다.
Delete Missing Data
브라이틱스(Brightics)에서 수치형 변수의 이상치를 간편하게 처리할 때 사용하는 Outlier Detection 을 알아본다.
Outlier Detection
이전 결측치 처리 포스팅에서 결측치를 살펴보는데 중점을 뒀다면, 이번에는 조금 더 난이도도 올리고 현실적인 내용을 다루고자 한다.
데이터 분석을 하다 보면 많은 수의 파일을 한 번에 모아서 분석해야 할 때가 있다. 이 때 사용하기 좋은 코드를 소개하고자 한다.
엑셀에서 R로 넘어가는 일은 언제나 어렵다. 전처리 엑셀 시리즈에서는 공공데이터등 각종 엑셀파일을 깔끔하게 R로 정리하는 사례를 소개하고자 한다. 그 첫 번째는 농작물별 생산지 정보가 되겠다.
데이터 분석을 본격적으로 실시하기 전에 결측치 처리는 꼭 실시해야 한다.관련 함수와 그 활용 방법을 알아보고자 한다.
Data Doctor
Diagnose and Treat via Data.
Seoul, Korea
포스트
287
카테고리
55
태그
639
Python / TextMining
Update your browser to view this website correctly. Update my browser now
×