如何应对数据缺失和异常值？

2023-06-20

数据缺失和异常值是数据科学中常见的问题，可能会对数据分析和模型建立造成影响。在本篇文章中，我将探讨如何识别、处理和应对这些问题。 首先，我们来了解什么是数据缺失和异常值。数据缺失是指在数据集中存在一些 ...

如何处理缺失数据和异常值？

2023-06-20

缺失数据和异常值是数据处理过程中经常遇到的问题，在数据分析和建模中，这些问题可能会导致结果不准确或者偏差较大。因此，有效地处理缺失数据和异常值是至关重要的。 一、处理缺失数据 缺失数据是指在某个变量中存 ...

如何处理缺失值或异常值？

2023-06-15

缺失值与异常值是数据分析中常见的问题，它们可以影响模型的准确性和可靠性。因此，在进行数据分析之前需要对这些值进行处理。本文将介绍如何处理缺失值和异常值的方法。 一、缺失值的处理 缺失值是指数据集中某些记 ...

如何处理缺失值和异常值？

2023-06-15

缺失值和异常值是数据处理中常见的问题，因为它们会对分析结果产生负面影响。在本文中，我们将讨论如何处理这些问题。 一、缺失值的处理 缺失值是指数据集中的某些值缺失或未记录，造成了在特定属性上的数据 ...

如何识别和删除异常值？

2023-06-15

异常值（Outliers）是指在数据集中出现的与其他数据点明显不同的观测值，可能会对分析结果产生显著影响。因此，正确识别和删除异常值是数据分析的重要步骤之一。本文将介绍如何识别和删除异常值。 一、如何识别异常 ...

R语言如何批量剔除异常值？

2023-04-07

R语言是一种强大的数据分析工具，其提供了丰富的函数和工具帮助我们处理数据。异常值通常会对分析结果产生不良影响，因此对于数据清洗的过程中，剔除异常值是必不可少的步骤之一。在这篇文章中，我将介绍如何使用R语 ...

R语言：异常值检验、离群点分析、异常值处理

2017-07-17

R语言：异常值检验、离群点分析、异常值处理 笔者寄语：异常值处理一般分为以下几个步骤：异常值检测、异常值筛选、异常值处理。其中异常值检测的方法主要有：箱型图、简单统计量（比如观察极值） 异常值处理方 ...

R语言-如何处理回归中的异常值点

2017-05-30

R语言-如何处理回归中的异常值点 异常观测值 一个全面的回归分析要覆盖对异常值的分析，包括离群点、高杠杆值点和强影响点。这些数据点需要更深入的研究，因为它们在一定程度上与其他观测点不同，可能对结 ...

sas信用评分之不用检查异常值的最优分组

2017-05-29

sas信用评分之不用检查异常值的最优分组 今天的更新比以往晚了一天，假期综合症第一天，我到现在已经喝了第三杯咖啡，实现上周的预告，这种更新一个不用检查异常值的数值变量最优分组。其实这代码我本来不想拿 ...

教你使用3σ原则来进行异常值处理

2020-07-31

在python数据清洗过程中，我们经常会遇到一些偏离正常范围的数据，例如人的体重为56吨，这些数据叫做异常值，如果不做异常值处理，会对我们最终的数据分析造成影响。小编今天给大家带来了一种很实用的异常值处理方 ...

CDA 数据分析师：掌控表格结构数据全功能周期的专业操盘手

2025-09-16

CDA 数据分析师：掌控表格结构数据全功能周期的专业操盘手 表格结构数据（以 “行 - 列” 存储的结构化数据，如 Excel 表、数据库表、CSV 文件）是企业业务数据的 “主流形态”—— 从零售的 “门店销售表” 到金融 ...

CDA 数据分析师：激活表格结构数据价值的核心操盘手

2025-09-15

CDA 数据分析师：激活表格结构数据价值的核心操盘手 表格结构数据（如 Excel 表格、数据库表）是企业最基础、最核心的数据形态 —— 从零售门店的销售明细表，到金融机构的客户信贷记录表，再到互联网平台的用户行为 ...

CDA 数据分析师：业务数据分析步骤的落地者与价值优化者

2025-09-12

CDA 数据分析师：业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段，其价值实现依赖 “标准化步骤 + 专业化执行” 的双重保障。然而，多数企业在实践中常因 “步 ...

【CDA干货】统计模型的核心目的：从数据解读到决策支撑的价值导向

2025-09-10

统计模型的核心目的：从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具，并非简单的 “公式堆砌”，而是围绕特定目标构建的 “数据 - 逻辑 - 结论” 转化载体。在实际应用中，相同的数据通过不同目的 ...

CDA 数据分析师：商业数据分析实践的落地者与价值创造者

2025-09-10

CDA 数据分析师：商业数据分析实践的落地者与价值创造者 商业数据分析的价值，最终要在 “实践” 中体现 —— 脱离业务场景的分析是 “空中楼阁”，而缺乏专业方法的实践则是 “盲目试错”。CDA（Certified Data Ana ...

【CDA干货】机器学习解决实际问题的核心关键：从业务到落地的全流程解析

2025-09-09

机器学习解决实际问题的核心关键：从业务到落地的全流程解析 在人工智能技术落地的浪潮中，机器学习作为核心工具，已广泛应用于推荐系统、金融风控、工业质检、医疗诊断等领域。然而，并非所有机器学习项目都能实现 ...

CDA 数据分析师：驾驭商业数据分析流程的核心力量

2025-09-09

CDA 数据分析师：驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中，商业数据分析总体流程是 “将数据转化为价值” 的标准化路径，而 CDA（Certified Data Analyst）数据分 ...

数据分析师：商业数据分析体系构建的核心推动者与价值落地者

2025-09-08

在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能，唯有建立系统化、标准化的商业数据分析体系，才能让数据稳定输出决策价值 —— 而数 ...

【CDA干货】随机森林算法的核心特点：原理、优势与应用解析

2025-09-05

随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning）中 Bagging 算法的经典代表，凭借对单决策树缺陷的优化，成为分类、回归任务中的 “万 ...

【CDA干货】K-Means 聚类：无监督学习中数据分群的核心算法

2025-09-03

K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图像像素信息）时，如何快速发现数据内在的分组规律？K-Means 聚类算法正是解决这一问题 ...