20:47视频长度为20:47。
清洗和准备时间序列数据
时间序列数据无处不在。无论是自动驾驶车辆和制造设备上的传感器,气象数据,还是来自股票市场的金融数据,它都有助于我们了解系统随时间的行为。然而,现实世界的时间序列数据可能存在许多问题,如缺失数据、异常值、噪声等。在对数据进行分析或用于模型开发之前,需要首先清理和准备数据。不幸的是,如何清除这些数据并不总是很清楚。应该使用哪种算法来填充缺失的值?应该先去除异常值还是先去除噪声?使用不同采样率测量的数据如何同步?这个过程是迭代的,可能非常耗时。在本节课中,我们将向您展示如何使用新的Data Cleaner应用程序和Live Editor任务的时间表来识别和修复时间序列数据中的常见问题。 We will cover different data cleaning methods using both code and low-code techniques that can make the data prep process more efficient.
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。