이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

데이터 전처리

데이터 정리, 스무딩, 그룹화

정확한 분석이나 효율적인 분석 또는 의미 있는 분석을 위해 데이터 세트에 전처리 기법이 필요할 수 있습니다. 데이터 정리는 불량 데이터나 누락된 데이터를 찾아서 제거하고 바꾸는 방법들을 의미합니다. 로컬 극값과 급격한 변화를 감지하는 것은 유의한 데이터 추세를 식별하는 데 유용할 수 있습니다. 스케일링은 데이터 경계를 변경하는 반면, 스무딩과 추세 제거(Detrending)는 데이터에서 잡음과 선형 추세를 제거하는 프로세스입니다. 그룹화와 비닝(Binning) 방법은 데이터 변수 간의 관계를 식별하는 기법입니다.

함수

모두 확장

누락된 데이터와 이상값

`ismissing`	누락된 값 찾기
`rmmissing`	누락된 요소 제거
`fillmissing`	누락된 값 채우기
`missing`	Create missing values
`standardizeMissing`	Insert standard missing values
`isoutlier`	데이터의 이상값 찾기
`filloutliers`	데이터에서 이상값 감지하고 바꾸기
`rmoutliers`	Detect and remove outliers in data
`movmad`	Moving median absolute deviation

변화 지점과 로컬 극값 감지

`ischange`	데이터 내 급격한 변화 찾기
`islocalmin`	국소 최솟값 구하기
`islocalmax`	국소 최댓값 구하기

데이터 스무딩 및 추세 제거하기

`smoothdata`	잡음이 있는 데이터 스무딩
`movmean`	이동 평균
`movmedian`	Moving median
`detrend`	선형 추세(Linear Trend) 제거

데이터 정규화 및 스케일링하기

`normalize`	데이터 정규화
`rescale`	배열 요소의 범위 스케일링

데이터 그룹화와 비닝(Binning)

`discretize`	데이터를 Bin이나 범주로 그룹화
`groupsummary`	그룹 요약 계산
`grouptransform`	Transform by group
`histcounts`	히스토그램 Bin 도수
`histcounts2`	이변량 히스토그램 Bin 도수
`findgroups`	그룹을 찾고 그룹 번호 반환
`splitapply`	데이터를 그룹으로 분할하고 함수 적용
`rowfun`	테이블 또는 타임테이블 행에 함수 적용
`varfun`	함수를 테이블 또는 타임테이블 변수에 적용
`accumarray`	누적(Accumulation)을 사용한 배열 생성