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
ผู้เรียนคนอื่นเรียน
🌟 ที่นิยมในหมู่ผู้เรียน
🎓 มีใบรับรอง
R สำหรับงานวิจัยทางวิทยาศาสตร์: การวิเคราะห์และการแสดงข้อมูลด้วยภาพ
ใบรับรอง
ลงมือทำ
$49.99
→
🏆 ยอดนิยมมากที่สุด
🎓 มีใบรับรอง
การเขียนโปรแกรม R สำหรับวิทยาศาสตร์ข้อมูล, แมชชีนเลิร์นนิง, และแอปพลิเคชัน Shiny
ใบรับรอง
ลงมือทำ
$149.00
→
🏆 ยอดนิยมมากที่สุด
🎓 มีใบรับรอง
วิทยาศาสตร์ข้อมูลเชิงปฏิบัติใน R: การถดถอย, การพยากรณ์, และการทำเหมืองข้อความ
ใบรับรอง
ลงมือทำ
$49.99
→
💼 พร้อมสำหรับงาน
🎓 มีใบรับรอง
พื้นฐานทางสถิติด้วย RQuery
ใบรับรอง
ลงมือทำ
$49.99
→
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
×2
เติมครั้งเดียว จ่ายครึ่งเดียว
เพิ่ม $100 → รับเครดิต 200 เครดิต ทำให้แต่ละหลักสูตรมีราคาประมาณ $12.50 เครดิตไม่มีวันหมดอายุ
$100
200 เครดิต
$12.50 / คอร์ส
คุ้มที่สุด
$250
550 เครดิต
$11.36 / คอร์ส
$500
1200 เครดิต
$10.42 / คอร์ส
เครดิตใช้ได้กับทุกคอร์สและไม่หมดอายุ