您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. spss Missing data analysis

  2. SPSS数据缺失分析 Missing data analysis
  3. 所属分类:电子商务

    • 发布日期:2011-03-23
    • 文件大小:32768
    • 提供者:meimeizeng
  1. Statistical Analysis With Missing Data

  2. 缺失数据统计分析第一版,哈佛大学杜宾教授对缺失数据研究方面的概括
  3. 所属分类:讲义

    • 发布日期:2015-06-03
    • 文件大小:11534336
    • 提供者:einer_y
  1. LISrel使用手册

  2. 结构方程模型 的建立与仿真 目录 PRELIS 应用范例.... 2 1.1 处理连续性数据.... 2 例 1:以健身调查数据示范数据的清理和准备..... 2 关于数据... 2 数据准备和前期处理...... 3 读入 Excel 数据文件......... 4 定义变量类型......... 5 处理缺失值............ 6 定义整体缺失值(global missing value) 并进行成列删除(listwise deletion)... 6 多元计算(multiplei
  3. 所属分类:嵌入式

    • 发布日期:2009-04-23
    • 文件大小:770048
    • 提供者:u010863927
  1. Applied Missing Data Analysis

  2. 书名《Applied Missing Data Analysis》应用缺失数据分析,英文版,带目录书签,高清版。
  3. 所属分类:算法与数据结构

    • 发布日期:2018-08-07
    • 文件大小:5242880
    • 提供者:huiyanhuishi
  1. arff数据集全集(new)

  2. 文件说明 下面我们来对这个文件的内容进行说明。 识别ARFF文件的重要依据是分行,因此不能在这种文件里随意的断行。空行(或全是空格的行)将被忽略。 以“%”开始的行是注释,WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行,是没有影响的。 除去注释后,整个ARFF文件可以分为两个部分。第一部分给出了头信息(Head information),包括了对关系的声明和对属性的声明。第二部分给出了数据信息(Data information),即数据集中给出的数
  3. 所属分类:算法与数据结构

    • 发布日期:2018-12-10
    • 文件大小:19922944
    • 提供者:qq_20312441
  1. WEKA中文详细教程.pdf

  2. 本文档是Weka的中文版详细教程。Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费的,非商业化(与之对应的是SPSS公司商业数据挖掘产品--Clementine )的,基于JAVA环境下开源的机器学习(machine learning)以及数据挖掘(data mining)软件。这是一个性价比最高的轻量级大数据分析必学软件,它和它的源代码可在其官方网站下载。IEF WEKA软件 C]Weka GUI Choos
  3. 所属分类:数据库

    • 发布日期:2019-08-03
    • 文件大小:44040192
    • 提供者:byygxs015
  1. 【009期】SPSS缺失值处理.docx

  2. 缺失值(missing data)又叫不完整数据,其发生的原因主要分为两类,一类是个人填写疏忽、题意不明漏答、拒绝作答等内部因素,另一种是数据输入所造成的失误等外部因素。 缺失值最大的影响在于造成样本的流失,同时也会干扰分析结果。因此,我们可以通过统计的方法对缺失值进行删除、替换或填补。这不是学术造假,这是一种统计处理技术。重要的事情说三遍,这不是学术造假……
  3. 所属分类:教育

    • 发布日期:2020-06-02
    • 文件大小:677888
    • 提供者:TIQCmatlab
  1. 数据分析方法 1.缺失值填充

  2. 数据分析方法 1.缺失值填充 缺失值:缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。(百度词条) 1.1 缺失的类型 1.1.1完全随机缺失(missing completely at random,MCAR):数据缺失是完全随机的,不依赖于任何不完全变量或完全变量。不影响样本的无偏性。如:家庭地址缺失。 1.1.2随机缺失(missing at random,MAR):数据的缺失不是完全随机的,该数据的缺失依赖于其它完全
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:71680
    • 提供者:weixin_38659311
  1. dsc-more-on-missing-data-dc-ds-021720-源码

  2. 有关丢失数据的更多信息 介绍 既然您已经了解了如何处理丢失的数据的各种方法,那么该是时候进一步讨论如何在特定情况下选择合适的方法了。 通常,许多人会立即求助于缺失值的特征的均值或中位数。 这可能是一种有效的方法,因此为什么它是标准的,但确实有一些警告。 例如,这样做可以减少数据集的整体差异,在执行后续分析或对数据集进行机器学习算法训练时应将其考虑在内。 目标 你将能够: 评估并执行最佳策略,以处理给定数据集的缺失,重复和错误值 确定估算值如何影响数据的分布 检查数据是否有重复或多余的值并将其删
  3. 所属分类:其它

    • 发布日期:2021-03-29
    • 文件大小:415744
    • 提供者:weixin_42119281