99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀如何使用R語言解決可惡的臟數(shù)據(jù)
如何使用R語言解決可惡的臟數(shù)據(jù)
2016-03-23
收藏
在數(shù)據(jù)分析過程中最頭疼的應(yīng)該是如何應(yīng)付臟數(shù)據(jù)，臟數(shù)據(jù)的存在將會對后期的建模、挖掘等工作造成嚴(yán)重的錯誤，所以必須謹(jǐn)慎的處理那些臟數(shù)據(jù)。

臟數(shù)據(jù)的存在形式主要有如下幾種情況：

1）缺失值

2）異常值

3）數(shù)據(jù)的不一致性

下面就跟大家侃侃如何處理這些臟數(shù)據(jù)。

一、缺失值

缺失值，顧名思義就是一種數(shù)據(jù)的遺漏，根據(jù)CRM中常見的缺失值做一個匯總：

1）會員信息缺失，如身份證號、手機(jī)號、性別、年齡等

2）消費(fèi)數(shù)據(jù)缺失，如消費(fèi)次數(shù)、消費(fèi)金額、客單價(jià)，卡余等

3）產(chǎn)品信息缺失，如批次、價(jià)格、折扣、所屬類別等

根據(jù)實(shí)際的業(yè)務(wù)需求不同，可以對缺失值采用不同的處理辦法，如需要給會員推送短信，而某些會員恰好手機(jī)號不存在，可以考慮剔除；如性別不知道，可以使用眾數(shù)替代；如年齡未知，可以考慮用均值替換。當(dāng)然還有其他處理缺失值的辦法，如多重插補(bǔ)法。下面以一個簡單的例子，來說明缺失值的處理。



上面的數(shù)據(jù)框是一個不含有任何缺失值的數(shù)據(jù)集，現(xiàn)在我想隨機(jī)產(chǎn)生100個缺失值，具體操作如下：




很明顯這里已經(jīng)隨機(jī)產(chǎn)生100個缺失值了，下面看看這100個缺失值的分布情況。我們使用VIM包中的aggr()函數(shù)繪制缺失值的分布情況：



圖中顯示：Tel變量有21個缺失，Sex變量有28個缺失，Age變量有6個缺失，F(xiàn)req變量有20個缺失，Amount變量有13個缺失，ATV有12個缺失。

為了演示，下面對Tel變量缺失的觀測進(jìn)行剔除；對Sex變量的缺失值用眾數(shù)替換；Age變量用平均值替換；Freq變量、Amount變量和ATV變量用多重插補(bǔ)法填充。



這個時候，Tel變量、Sex變量和Age變量已不存在缺失值，下面對Freq變量、Amount變量和ATV變量使用多重插補(bǔ)法。

可通過mice包實(shí)現(xiàn)多重插補(bǔ)法，該包可以對數(shù)值型數(shù)據(jù)和因子型數(shù)據(jù)進(jìn)行插補(bǔ)。對于數(shù)值型數(shù)據(jù)，默認(rèn)使用隨機(jī)回歸添補(bǔ)法(pmm)；對二元因子數(shù)據(jù)，默認(rèn)使用Logistic回歸添補(bǔ)法(logreg)；對多元因子數(shù)據(jù)，默認(rèn)使用分類回歸添補(bǔ)法(polyreg)。其他插補(bǔ)法，可通過 mice查看相關(guān)文檔。




通過不同的方法將缺失值數(shù)據(jù)進(jìn)行處理，從上圖可知，通過填補(bǔ)后，數(shù)據(jù)的概概覽情況基本與原始數(shù)據(jù)相近，說明填補(bǔ)過程中，基本保持了數(shù)據(jù)的總體特征。

二、異常值

異常值也是非常痛恨的一類臟數(shù)據(jù)，異常值往往會拉高或拉低數(shù)據(jù)的整體情況，為克服異常值的影響，我們需要對異常值進(jìn)行處理。首先，我們需要識別出哪些值是異常值或離群點(diǎn)，其次如何處理這些異常值。下面仍然以案例的形式，給大家講講異常值的處理：

1.識別異常值

一般通過繪制盒形圖來查看哪些點(diǎn)是離群點(diǎn)，而離群點(diǎn)的判斷標(biāo)準(zhǔn)是四分位數(shù)與四分位距為基礎(chǔ)。即離群點(diǎn)超過上四分位數(shù)的1.5倍四分位距或低于下四分位數(shù)的1.5倍四分位距。

例子：



圖中可知，有一部分?jǐn)?shù)據(jù)落在上四分位數(shù)的1.5倍四分位距之上，即異常值，下面通過編程，將異常值找出來：



2.找出異常點(diǎn)



結(jié)果顯示，分別是第104、106、110、114、116、118和120這6個點(diǎn)。下面就要處理這些離群點(diǎn)，一般有兩種方法，即剔除或替補(bǔ)。剔除很簡單，但有時剔除也會給后面的分析帶來錯誤的結(jié)果，接下來就講講替補(bǔ)。




三、數(shù)據(jù)的不一致性

數(shù)據(jù)的不一致性一般是由于不同的數(shù)據(jù)源導(dǎo)致。如有些數(shù)據(jù)源的數(shù)據(jù)單位是斤，而有些數(shù)據(jù)源的數(shù)據(jù)單位為公斤；如有些數(shù)據(jù)源的數(shù)據(jù)單位是米，而有些數(shù)據(jù)源的數(shù)據(jù)單位為厘米；如兩個數(shù)據(jù)源的數(shù)據(jù)沒有同時更新等。對于這種不一致性可以通過數(shù)據(jù)變換輕松得到一致的數(shù)據(jù)，只有數(shù)據(jù)源的數(shù)據(jù)一致了，才可以進(jìn)行統(tǒng)計(jì)分析或數(shù)據(jù)挖掘。由于這類問題的處理比較簡單，這里就不累述具體的處理辦法了。

來源 | 先鋒的家園（51CTO博客）

http://jackwxh.blog.51cto.com/2850597/1742916


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }