20:47视频长度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,它都有助于我们理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先去除噪声?使用不同抽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在新的数据清理应用程序和实时编辑器任务中使用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
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。