결측값을 왜 신경 써야 할까요?

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

이 연습은 강의의 일부입니다

R에서 결측치 다루기

SkillTag.level.beginnerSkillTag.label

4.8+

무료로 강의 시작하기

1장에서는 결측치에 대해 소개합니다. 결측값이 무엇인지, R에서 어떻게 작동하는지, 그리고 이를 어떻게 탐지하고 개수를 세는지 설명합니다. 이어서 결측치 요약 방법을 소개하고, 사례와 변수 전반에서 결측을 요약하는 법, 그리고 데이터 내 집단별로 탐색하는 방법을 다룹니다. 마지막으로 결측치 시각화를 살펴보며, 전체 데이터셋과 변수, 사례, 기타 요약에 대한 개괄 시각화를 만드는 법, 그리고 이를 집단별로 탐색하는 방법을 알아봅니다.

Exercise 1: 누락 데이터 소개 Exercise 2: 결측값 사용과 찾기 Exercise 3: 결측값은 몇 개 있나요?Exercise 4: 결측값 다루기 Exercise 5: 결측값을 왜 신경 써야 할까요?

현재 연습

Exercise 6: 결측치 요약하기 Exercise 7: 결측치 표로 정리하기 Exercise 8: 결측치에 대한 다른 요약 Exercise 9: 결측값은 어떻게 시각화하나요?Exercise 10: 첫 번째 결측치 시각화 Exercise 11: 결측 사례와 변수 시각화하기 Exercise 12: 결측 패턴 시각화하기

2장에서는 "missing"이나 "N/A"처럼 숨겨진 결측값을 찾아 `NA`로 바꾸는 방법을 배웁니다. 또한 명시적으로 적혀 있지는 않지만 결측으로 간주되는, 암묵적 결측값을 효율적으로 처리하는 방법도 학습합니다. 아울러 결측 데이터의 의존성을 탐색하는 법을 다루며, 완전무작위 결측(MCAR), 무작위 결측(MAR), 비무작위 결측(MNAR)의 개념과 이것이 데이터 분석에 갖는 의미를 설명합니다.

Exercise 1: 결측값 찾기와 대체하기 Exercise 2: miss_scan_count 사용하기 Exercise 3: replace_with_na 사용하기 Exercise 4: replace_with_na 범위 지정(Scoped) 변형 사용하기 Exercise 5: 결측값 아래로 채우기 Exercise 6: complete()로 암시적 결측값 정리하기 Exercise 7: fill()로 명시적 결측값 채우기 Exercise 8: complete()와 fill() 함께 사용하기 Exercise 9: 결측값 의존성 Exercise 10: MCAR와 MAR의 차이 Exercise 11: 누락값 의존성 탐색하기 Exercise 12: 결측 의존성 더 살펴보기

이 장에서는 결측 데이터를 다루는 워크플로를 배웁니다. 그림자 행렬(shadow matrix)과 nabular 데이터 같은 특수한 데이터 구조를 소개하고, 이를 활용해 결측을 탐색하는 워크플로에서 결측 요약을 원 데이터의 값과 연결하는 방법을 보여 드립니다. ggplot을 사용해 다른 변수가 결측이 될 때 값이 어떻게 변하는지 탐색하고 시각화하는 방법도 학습합니다. 마지막으로 두 변수에 걸친 결측을 시각화하는 법, 그리고 산점도에서 결측을 시각화해야 하는 이유와 그 방법을 배웁니다.

Exercise 1: 결측 데이터 의존성 탐색 도구 Exercise 2: 섀도 매트릭스 데이터 만들기 Exercise 3: 결측 여부별 그룹 요약 수행하기 Exercise 4: 결측 조합을 더 깊이 탐색하기 Exercise 5: 단일 변수에서 결측 확인 시각화하기 Exercise 6: Nabular 데이터와 결측 여부별 채우기 Exercise 7: Nabular 데이터와 결측 여부별 요약 Exercise 8: 결측 여부에 따른 변화 탐색: 박스플롯 Exercise 9: 두 변수에 걸친 결측 시각화 Exercise 10: 산점도로 결측치 탐색하기 Exercise 11: 패싯으로 결측을 탐색하기 Exercise 12: 결측 탐색을 위한 패싯 활용(다중 플롯)

이 장에서는 데이터의 결측값을 채우는, 즉 대치(imputation)에 대해 학습합니다. 결측값을 대치하고 추적하는 방법, 그리고 대치의 장단점을 이해해 원래 값과 비교하며 대치된 데이터를 탐색, 시각화, 평가하는 법을 배웁니다. 다양한 대치 모델을 사용하고 평가·비교하는 방법, 그리고 서로 다른 대치 모델이 모델에서 도출되는 추론에 어떤 영향을 미치는지도 탐색합니다.

Exercise 1: 빈칸 채우기 Exercise 2: nabular 데이터로 범위 아래로 대치하기 Exercise 3: 산점도로 대치값 시각화하기 Exercise 4: 대치된 데이터의 히스토그램 만들기 Exercise 5: 좋은 대치의 조건 Exercise 6: 좋지 않은 대치 평가하기 Exercise 7: 대치값 평가: 척도(Scale)Exercise 8: 보간 평가: 여러 변수에 걸쳐서 Exercise 9: 결측값 대치 수행하기 Exercise 10: simputation으로 데이터 보간하기 Exercise 11: 대치값 평가와 비교 Exercise 12: 대체값 평가하기(여러 모델과 변수)Exercise 13: 대치값과 모델 평가하기 Exercise 14: 여러 대치 모델 결합 및 비교 Exercise 15: 모델의 다양한 매개변수 평가하기 Exercise 16: 마지막 레슨