758分钟
R语言数据探索实战指南
《R语言数据探索实战指南》是一门深度学习R语言的课程，专注于数据处理关键要素。课程涵盖缺失值的识别与处理、异常值的甄别技术、相关性分析等内容。通过实用案例，学员将掌握处理各种缺失数据场景的技能，提高数…
《R语言数据探索实战指南》是一门深度学习R语言的课程，专注于数据处理关键要素。课程涵盖缺失值的识别与处理、异常值的甄别技术、相关性分析等内容。通过实用案例，学员将掌握处理各种缺失数据场景的技能，提高数据分析准确性。课程还注重异常值的分析，教授如何利用R语言进行异常值检测，确保数据质量和可信度。最后，学员将深入了解数据之间的相关性，通过R语言进行相关性检验，揭示不同变量的关联关系。本课程通过理论与实践相结合，帮助学员快速掌握R语言在数据探索中的应用，使其能熟练处理缺失值和异常值，深刻理解数据之间的相关关系，成为数据分析的高手。加入我们，共同提升数据分析技能！
课程导读
1、模块四课程内容介绍
2、数据预处理常用理论知识梳理
3、数据分箱cut函数案例详解
4、改善变量分布的变换案例详解
5、缺失值和异常值产生的原因和危害
6、数据清洗常用方法介绍
7、缺失值识别函数（is.na及complete.cases函数详解）
8、删除有缺失值的列详解
9、列表显示缺失值模式md.pattern函数案例详解
10、图形 探究缺失值模式aggr函数案例详解
11、用均值对缺失值进行填补案例详解
12、用中位数对缺失值进行填补案例详解
13、线性回归模型插补案例详解
14、使用随机森林和袋装的方式对缺失值进行插补案例详解
15、使用KNN算法对缺失值进行插补案例详解
16、异常点判定方法理论概述
17、质量控制图的使用和控制规则
18、常见质量控制图原理介绍
19、判断异常值R语言实现
20、P质量控制图案例演示
21、实例1：对日付费率绘制P质量控制图详解
22、实例2：某款手游道具日客单价的单值均值控制图
23、箱线图boxplots.stats案例介绍1
23、箱线图boxplots.stats案例介绍2
24、实例：利用箱线图甄别7留数据是否异常
25、聚类分析识别异常值案例详解
26、相关分析常用方法介绍
27、相关分析之散点图及散点图矩阵
28、相关分析之相关系数介绍1
29、相关分析之相关系数案例详解
30、相关系数可视化案例详解1
30、相关系数可视化案例详解2
31、实战一：对问卷调研数据的缺失值模式进行探索
32、实战二：对信用卡数据进行清洗-包括缺失值和异常值处理
33、实战三：对游戏玩家玩牌数据进行相关性分析
课程总结
课程资料
谢佳标
2017-2024 微软MVP