DocumentazioneCentro assistenzaDocumentazione
数据需要预处理技术,确保准确、高效,或有意义的分析。数据清洗是指方法查找、删除和替换坏或丢失数据。检测局部极值和突然的变化可以帮助识别重要的数据趋势。平滑和消除趋势过程去除噪声和多项式趋势的数据,而扩展的范围变化数据。分组和装箱方法识别特征的数据组。
espandi全体的
ismissing
rmmissing
fillmissing
失踪
standardizeMissing
isoutlier
filloutliers
rmoutliers
movmad
ischange
islocalmin
islocalmax
smoothdata
movmean
movmedian
去趋势
trenddecomp
正常化
重新调节
离散化
groupcounts
groupfilter
groupsummary
grouptransform
histcounts
histcounts2
findgroups
splitapply
rowfun
varfun
accumarray
干净的混乱和丢失的数据表
这个例子展示了如何找到,清洁,和删除表行与缺失的数据。
消除趋势数据
从数据删除线性趋势。
将数据分组变量
您可以使用分组变量分类数据变量。
数据分割成组织和计算统计
这个例子展示了如何组每组数据和应用统计功能。
分割表数据变量和应用功能
这个例子展示了如何组数据变量和函数应用到每个组。
交互式地预处理数据与现场编辑任务。
处理缺失值的数据集。
消除不必要的噪音或行为数据,发现,填补和删除离群值。
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室