20:47视频长度为20:47。
清理和准备时间序列数据
时间序列数据无处不在。无论是来自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,首先需要对数据进行清理和准备。不幸的是,如何清理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噪声?使用不同采样率测量的数据是如何同步的?这个过程是迭代的,可能非常耗时。在本课程中,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.
相关产品2022世界杯八强谁会赢?
了解更多
你亦可选择下列网址:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。