苏金明的课程社区_NO_3
异常值的插补
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区| 课时名称 | 课时知识点 |
|---|---|
| 异常值的插补 | 异常值的插补 |
相关推荐
大数据之数据异常值分析与处理
介绍了数据异常值分析与处理的内容，并使用沈阳大气污染预测精度分析。
数学建模之数据预处理方法
数学建模之数据预处理方法
一本面向数据科学初学者与公司内部培训的实用型时间序列分析入门指南与代码实践手册_涵盖时间序列基础概念数据加载移动平均与移动中位数趋势分析与异常值处理缺失数据插补技术季节性分.zip
一本面向数据科学初学者与公司内部培训的实用型时间序列分析入门指南与代码实践手册_涵盖时间序列基础概念数据加载移动平均与移动中位数趋势分析与异常值处理缺失数据插补技术季节性分.zip
快速数据挖掘数据分析实战RapidMiner工具应用第7章 数据预处理V1.1.pdf
在数据挖掘中，海量的原始数据中存在着大量不完整（有缺失值）、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据清洗就显得尤为重要，数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理，该过程就是数据预处理。数据预处理一方面是要提高数据的质量，另一方面是要让数据更好地适应特定的挖掘技术或工具。统计发现，在数据挖掘的过程中，数据预处理工作量占到了整个过程的60%。 7.1.1缺失值处理 从统计上说，缺失的数据可能会产生有偏估计，从而使样本数据不能很好地代表总体，而现实中绝大部分数据都包含缺失值，因此如何处理缺失值很很重要。 一般来说，缺失值的处理包括两个步骤，即缺失数据的识别和缺失值处理。在对是否存在缺失值进行判断之后需要进行缺失值处理，常用的方法有删除法、替换法、插补法等。 （1）删除法 删除法是最简单缺失值处理方法，根据数据处理的不同角度可分为删除观测样本、删除 变量两种。 （2）替换法 变量按属性可分为数值型和非数值型，二者的处理办法不同：如果缺失值所在变量为数 值型的，一般用该变量在其他所有对象的取值的均值来替换变量的缺
chabu_插补_源码
利用C语言进行调试，实现插补算法，已调通。
