文件名称：CDAR:R中的综合数据分析
文件大小：906KB
文件格式：ZIP
更新时间：2024-04-21 17:55:14
data-science r statistics datascience stats
R中的综合数据分析 尽管有大量的数据科学资源，但是在我的研究中，我发现许多内容（在已经清理数据的情况下，缺乏关于数据清理的博客文章的意义是什么？）或上下文（关于数据清理的假设是什么？此测试？为什么不链接到其他资源？）。 然后，我发现自己从Google搜索到教科书再到博客，以获取我所需的信息。 在这里，我希望详细介绍数据分析和统计的基础知识，以便为对学习数据科学感兴趣的其他人建立全面的“一站式服务”，“全面”一词旨在： 提供从基础到更高级的大量示例，并通过方法和编码技术，尝试解决问题的不同方法。 彻底清晰地描述用于理解其假设，优势，陷阱和常见错误的方法。 提供其他资源，这些资源对我的学习有所帮助，并可以进一步扩展主题。 当然，并非所有可能的情况都可以描述，我也不声称自己是专家。 我也经常学习使用R进行编码的新方法和数据科学中的方法（并且两者都在不断开发中）。 就是说，我计划将此处的所
【文件预览】：
CDAR-master
----_layouts()
--------default.html(3KB)
----data_cleaning.Rmd(35KB)
----docs()
--------_layouts()
--------CO2_Plot.md(8KB)
--------CO2_plot.Rmd(8KB)
--------assets()
--------CO2_EDA.Rmd(809B)
--------_config.yml(26B)
--------index.html(615KB)
--------CO2_ANOVA.md(8KB)
--------data_cleaning.md(49KB)
--------imgs()
--------CO2_ANOVA.Rmd(5KB)
--------CO2_LR.Rmd(8KB)
----reg_ex.Rmd(2KB)
----data()
--------beer_EDA.csv(243KB)
--------hd_cleveland.csv(9KB)
--------beer_to_clean.csv(197KB)
--------beer_cleaned.csv(216KB)
----distribution_test.Rmd(5KB)
----assets()
--------css()
----_config.yml(28B)
----EDA.Rmd(10KB)
----.gitignore(69B)
----..CDAR()
--------docs()
----README.md(2KB)
----outliers.Rmd(2KB)