このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
データの前処理
データ クリーニング、平滑化、グループ化
正確な、効率的な、または有意義な解析を確実に行うために、データに前処理の手法が必要になる場合があります。データ クリーニングは、正しくないデータや欠落したデータを検索、削除、および置換する方法を指します。局所的極値や急激な変化を検出すると、重要なデータのトレンドを識別できます。平滑化およびトレンド除去は、スケーリングによってデータの境界を変更しながら、ノイズや多項式トレンドをデータから削除する処理です。グループ化とビン化の方法によって、データの特性をグループごとに特定します。
アプリ
データ クリーナー | 列方向データの前処理と整理 (R2022a 以降) |
ライブ エディター タスク
欠損データの削除 | ライブ エディターでの欠損データの検出、埋め込みまたは削除 (R2019b 以降) |
外れ値データの削除 | ライブ エディターでの外れ値の検出、埋め込みまたは削除 (R2019b 以降) |
変化点の検出 | ライブ エディターでデータ内の急激な変化を検出 (R2019b 以降) |
局所的極値の検出 | ライブ エディターでの局所的最大値と局所的最小値の検出 (R2019b 以降) |
データの平滑化 | ライブ エディターでノイズを含むデータを平滑化 (R2019b 以降) |
トレンドの検出と除去 | Find and remove polynomial or periodic trends from data in the Live Editor (R2019b 以降) |
データの正規化 | ライブ エディターでデータをセンタリングおよびスケーリング (R2021b 以降) |
ピボット テーブル | Summarize tabular data in pivoted table in the Live Editor (R2023b 以降) |
グループ別に計算 | ライブ エディターでのグループごとの要約、変換、またはフィルター処理 (R2021b 以降) |
関数
トピック
- table 内の乱雑な欠損データの整理
table 内の欠損値を標準化するか、埋めるか、削除し、行を並べ替えたり変数を移動したりして table を再編成する。
- データのグループへの分割と統計値の計算
この例では、データをグループに分割して各グループに統計関数を適用する方法を示します。
- table でのグループ別の計算の実行
table と timetable 内のデータ グループを指定し、グループ別に計算を実行する。以下の推奨事項を使用してグループ計算用の関数を選択する。