最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

データの前処理

データクリーニング、平滑化、グループ化

正確で効率的かつ意義のある解析を確実に行うには、データセット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、ノイズや線形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方法は、データの変数間の関係を特定する手法です。

関数

すべて展開する

欠損データと外れ値

`ismissing`	欠損値を検出
`rmmissing`	欠損エントリを削除
`fillmissing`	欠損値を埋める
`missing`	欠損値を作成
`standardizeMissing`	標準の欠損値を挿入
`isoutlier`	データの外れ値を検出
`filloutliers`	データの外れ値の検出と置き換え
`rmoutliers`	データ内の外れ値の検出と削除
`movmad`	移動中央絶対偏差

変更点および局所的極値の検出

`ischange`	データの急激な変化の検出
`islocalmin`	局所的最小値の検出
`islocalmax`	局所的最大値を検出

データの平滑化およびトレンド除去

`smoothdata`	ノイズの多いデータの平滑化
`movmean`	移動平均値
`movmedian`	移動中央値
`detrend`	線形トレンドを除去

データの正規化およびスケーリング

`normalize`	データの正規化
`rescale`	配列要素のスケール範囲

データのグループ化とビン化

`discretize`	データをビンまたはカテゴリにグループ化
`groupsummary`	グループ要約の計算
`grouptransform`	グループごとの変換
`histcounts`	ヒストグラムのビンのカウント数
`histcounts2`	二変量ヒストグラムのビンのカウント数
`findgroups`	グループを見つけてグループ番号を返す
`splitapply`	データをグループに分割して関数を適用
`rowfun`	table または timetable の行への関数の適用
`varfun`	関数をテーブル変数または timetable 変数に適用
`accumarray`	累算による配列作成