การจัดการกับ Outliers ใน R: เทคนิค Z-Score และ IQR — LearnFlat
⏱ 2 ชม. 48 นาที 📚 28 บทเรียน 🎧 เวอร์ชันเสียง

การจัดการกับ Outliers ใน R: เทคนิค Z-Score และ IQR

เชี่ยวชาญวิธีทางสถิติที่จำเป็นในการตรวจจับ วิเคราะห์ และจัดการกับข้อมูลที่ไม่เข้าพวก (Outliers) โดยใช้ R เพื่อให้มั่นใจว่าชุดข้อมูลของคุณสะอาดและน่าเชื่อถือสำหรับการวิเคราะห์

  • 💬 ผู้สอน AI
    ถามเกี่ยวกับบทเรียนใดก็ได้ แล้วรับคำตอบที่ชัดเจนทันที ทุกเมื่อ
  • 🕐 เริ่มเมื่อไรก็ได้
    ไม่มีตารางหรือเดดไลน์ — เรียนตามจังหวะของคุณ เมื่อไรก็ได้
  • 🌐 เป็นภาษาไทย
    บทเรียน แบบฝึกหัด และใบรับรอง — ทั้งหมดเป็นภาษาของคุณอย่างครบถ้วน

เกี่ยวกับคอร์สนี้

Outliers สามารถบิดเบือนโมเดลทางสถิติของคุณอย่างเงียบๆ ทำให้ค่าเฉลี่ยเอนเอียง และนำไปสู่ข้อมูลเชิงลึกทางธุรกิจที่เข้าใจผิดได้ การเรียนรู้วิธีระบุและจัดการกับค่าที่สุตโต่งเหล่านี้อย่างเป็นระบบเป็นทักษะพื้นฐานสำหรับทุกคนที่ทำงานกับข้อมูล คอร์สเรียนแบบข้อความนี้จะนำคุณไปสู่แนวคิดหลักของการทำความสะอาดข้อมูล เพื่อให้มั่นใจว่าการวิเคราะห์ของคุณยังคงมีประสิทธิภาพและถูกต้อง คุณจะเปลี่ยนจากการตรวจสอบข้อมูลด้วยตนเองไปสู่การใช้เวิร์กโฟลว์การตรวจจับอัตโนมัติที่เป็นมาตรฐานอุตสาหกรรม ด้วยการเข้าใจพื้นฐานทางคณิตศาสตร์เบื้องหลังค่าที่โต่งเกินไป คุณจะสามารถตัดสินใจได้อย่างชาญฉลาดว่าจะลบ ปรับเปลี่ยน หรือเก็บจุดข้อมูลที่ไม่ปกติเหล่านั้นไว้ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจคำนิยามทางสถิติของ Outlier และผลกระทบต่อการกระจายตัวของข้อมูล - คำนวณและประยุกต์ใช้วิธี Interquartile Range (IQR) เพื่อระบุความผิดปกติของข้อมูล - ใช้ Z-scores เพื่อตรวจจับ Outliers ในชุดข้อมูลที่มีการกระจายตัวแบบปกติ - ใช้งานแพ็กเกจ R สมัยใหม่และเวิร์กโฟลว์ tidyverse เพื่อการทำความสะอาดข้อมูลที่มีประสิทธิภาพ - ประยุกต์ใช้เทคนิคการแทนที่ค่าและการแปลงข้อมูลที่มั่นคงเพื่อจัดการกับ Outliers ที่ตรวจพบ - ฝึกเขียนโค้ด R ที่สะอาดและทำซ้ำได้เพื่อสร้างระบบตรวจจับ Outlier แบบอัตโนมัติ คอร์สนี้เริ่มต้นด้วยแนวคิดทางสถิติพื้นฐาน โดยอธิบายว่า Outliers คืออะไรและเกิดขึ้นได้อย่างไร ก่อนที่จะก้าวไปสู่การปฏิบัติจริงโดยใช้ R คุณจะได้อ่านคำอธิบายที่ชัดเจน ตรวจสอบตัวอย่างโค้ดที่มีโครงสร้าง และเรียนรู้วิธีนำเทคนิคเหล่านี้ไปใช้กับสถานการณ์ข้อมูลในโลกความเป็นจริง คอร์สนี้ออกแบบมาสำหรับนักวิเคราะห์ข้อมูลระดับเริ่มต้น นักวิจัย และผู้ที่อยากเป็นนักวิทยาศาสตร์ข้อมูลที่มีความคุ้นเคยพื้นฐานกับ R และต้องการปรับปรุงทักษะการเตรียมข้อมูล (Data Preprocessing) ไม่จำเป็นต้องมีพื้นฐานคณิตศาสตร์ขั้นสูง เริ่มทำความสะอาดชุดข้อมูลของคุณด้วยความมั่นใจและสร้างโมเดลข้อมูลที่แม่นยำยิ่งขึ้นได้แล้ววันนี้

สิ่งที่คุณจะได้รับ

  • 📜 ใบประกาศนียบัตร
    เพิ่มในโปรไฟล์ LinkedIn ของคุณ
  • 💬 ติวเตอร์ AI ส่วนตัว
    ติดขัดในบทเรียน? ถามติวเตอร์ในตัวของคุณได้ทุกอย่าง ทุกเวลา
  • 🎧 รวมเวอร์ชันเสียง
    เรียนได้ทุกที่ ไม่ต้องดูจอ
  • ♾️ เข้าถึงตลอดชีพ
    กลับมาเรียนได้ตลอด ไม่มีหมดอายุ
  • 📱 โทรศัพท์หรือคอมพิวเตอร์
    ใช้งานได้ทุกที่ ทุกอุปกรณ์
  • 💸 คืนเงิน 14 วัน
    ไม่ต้องอธิบาย
  • ⚡ กระชับและตรงประเด็น
    2 ชม. 48 นาที เนื้อหาเชิงปฏิบัติ

รีวิว

ยังไม่มีรีวิว — เป็นคนแรกที่แชร์ประสบการณ์

เขียนรีวิว

☆☆☆☆☆
หลังจากส่ง เราจะขอให้คุณเข้าสู่ระบบ — ฉบับร่างของคุณถูกบันทึก

ผู้เรียนคนอื่นเรียน

คำถามที่พบบ่อย

ฉันต้องใช้อะไรในการเรียนคอร์สนี้? +

แค่โทรศัพท์หรือคอมพิวเตอร์ที่มีอินเทอร์เน็ต ไม่ต้องติดตั้งหรือใช้อุปกรณ์พิเศษ

ฉันชำระเงินอย่างไร? +

ผ่านบัตรด้วย Stripe เราไม่เก็บข้อมูลบัตร — Stripe จัดการอย่างปลอดภัย

ฉันขอคืนเงินได้ไหม? +

ใช่ — คืนเงินเต็มจำนวนใน 14 วัน ไม่ต้องอธิบาย

ฉันมีสิทธิ์เข้าถึงนานเท่าไร? +

ตลอดไป เมื่อซื้อแล้วคอร์สเป็นของคุณ กลับมาเรียนได้ตลอด

ฉันจะได้ใบประกาศนียบัตรไหม? +

ได้ เมื่อเรียนจบจะได้รับใบประกาศนียบัตรที่เพิ่มในโปรไฟล์ LinkedIn ได้

ออกแบบสำหรับผู้เรียนใน
เทคโนโลยี ดีไซน์ การเงิน การตลาด สาธารณสุข การศึกษา ธุรกิจการบริการ อุตสาหกรรม