Bu bölümde, iki kategorik değişkenin grafiksel ve sayısal özetlerini oluşturmayı öğreneceksin.

Kategorik verileri keşfetme

Çubuk grafik beklentileri

Çapraz tablo gözden geçirme

Düzeyleri düşürme

Yanyana çubuk grafikler

Çubuk grafik yorumlama

Sayım mı, oran mı?

Koşullu oranlar

Sayımlar ve oranlar (2)

Tek bir değişkenin dağılımı

Marjinal çubuk grafik

Koşullu çubuk grafiği

Pasta grafiğini iyileştir

Kategorik Veriyi Keşfetme

Bu bölümde, sayısal veriyi grafiklerle özetlemeyi öğreneceksin.

Sayısal verileri keşfetme

Yüzleştirilmiş histogram

Kutu grafikleri ve yoğunluk grafikleri

Dağılımları grafiklerle karşılaştır

Marjinal ve koşullu histogramlar

Marjinal ve koşullu histogramların yorumlanması

Üç farklı binwidth

Üç bin genişliğinin yorumlanması

Kutu grafikleri

Aykırı değerler için kutu grafikleri

Grafik seçimi

Daha yüksek boyutlarda görselleştirme

3 değişkenli grafik

3 değişkenli grafiği yorumla

Sayısal Veriyi Keşfetme

Artık kategorik ve sayısal veriyi keşfetmeyi gördüğümüze göre, veri dağılımlarını tanımlamak için yararlı bazı istatistikleri öğreneceksin.

Merkez ölçüleri

Merkez ölçüsünü seçme

Merkez ölçülerini hesapla

Değişkenliğin ölçüleri

Yayılım ölçüsü seçimi

Yayılım ölçülerini hesapla

Merkez ve yayılım ölçülerini seç

Biçim ve dönüşümler

Şekli açıkla

Dönüşümler

Aykırı değerler

Aykırı değerleri belirle

Sayısal Özetler

Bu e-posta spam vaka çalışmasında, öğrendiklerini gerçek bir veri kümesini keşfetmek ve özetlemek için uygula.

Verilerin tanıtımı

Spam ve num_char

Spam ve num_char yorumlama

Spam ve !!!

Spam ve !!! yorumlama

Ara Kontrol 1

Düzeyleri birleştirme

Görsel ve spam yorumlama

Veri Bütünlüğü

Zincirlerle soruları yanıtlama

Ara Kontrol 2

Bir sayı ne anlatır?

Bir sayının yorumu ne anlatır

Sonuç

Vaka Çalışması

Immigration data

Comics data

Raw U.S. income data

Names data

Raw life expectancy data

Cars data

Veri kümen bir tablo ya da veritabanı olarak temsil edildiğinde, boyutu ve içerdiği değişken türleri dışında hakkında çok şey görmek zordur. Bu kursta, verinin yapısını ortaya çıkarmaya başlamak için grafiksel ve sayısal teknikleri nasıl kullanacağını öğreneceksin. Hangi değişkenler ilginç ilişkiler öneriyor? Hangi gözlemler sıra dışı? Kursun sonunda, bu sorulara ve daha fazlasına yanıt verebilecek, aynı zamanda hem içgörü sağlayan hem de estetik grafikler üretebileceksin.

Introduction to Statistics in R

Introduction to Data Visualization with ggplot2

R'de keşifsel veri analizi için grafik ve sayısal teknikleri öğrenin, etkileyici grafikler oluşturun.

R ile Keşifsel Veri Analizi

Verilerinizin yapısını ortaya çıkarmaya başlamak için grafiksel ve sayısal teknikleri nasıl kullanacağınızı öğrenin.

Yardımcı Veri Bilimcisi in R

Veri Analisti  in R

Spam ve num_char yorumlama

R ile Keşifsel Veri Analizi

Uygulamalı etkileşimli egzersiz