빅 데이터 작업을 위한 고급 기술
다음 방법을 참조하십시오.
- 양, 속도, 다양성, 진실성, 처리 속도, 메모리, 시간 및 사용자 인내가 길고 넓은 데이터를 처리하는 접근 방식에 어떤 영향을 미치는지 이해합니다.
- 데이터 필터링, 열 전환, 예측 변수/응답 스크리닝, 요약 테이블을 그래프로 수집, 변수 감소 자동화, 샘플링, 누락된 값 찾기, 이상값 스크리닝 및 공식 열 사용과 같은 빅 데이터 처리를 위한 접근 방식의 중요성 이해
- World Development Indicator 사례 연구 데이터의 형식 식별 - 3억 5백만 개의 데이터 포인트, 1402개의 변수, 15.5GB의 데이터 (11:30)
- Virtual Join Like ID 및 링크 참조를 사용하여 공간 절약 (13:00)
- 테이블 요약을 사용하여 누락된 데이터 노출 (20:38)
- 다음을 사용하여 분할할 데이터 재구성 그룹 행 유형을 식별하기 위해 분할 기준 필요한 열을 식별하고 열 분할 새 열에서 원하는 값을 식별하려면 (24:50)
- Graph Builder Column Switcher를 사용하여 변수를 시각적으로 전환하고 로컬 데이터 필터를 사용하여 원하는 값 범위를 기반으로 데이터를 확인하여 데이터를 대화형으로 시각화합니다. (28:30)
- 응답 스크리닝을 사용하여 관심 있는 결과를 가장 잘 예측하는 요인 찾기 (32:00)
- 다음을 사용하여 선택한 관계에 대한 그래프를 JMP 테이블 표현식 열에 넣습니다. 이와 같은 그래프 표를 만드십시오. 옵션 (34:32)
- Text Explorer 및 Word Cloud를 사용하여 가장 많이 사용되는 텍스트 및 구를 식별하고 시각화합니다. (39:56)
- 부분 집합화 프록시 방법을 사용하여 tall형 데이터 분석 (45:41)
- 모델을 구축 및 검증한 다음 향후 결과 예측을 위한 점수 코드 생성 및 저장 (49:04)
참고: Q&A는 36:40, 37:28, 37:43 및 38:25에 포함됩니다.
데이터 탐색 및 시각화Re: 빅 데이터 작업을 위한 고급 기술처음 나왔을 때 이걸 봤더라면 얼마나 좋았을까! 방대한 데이터 세트로 JMP를 최대한 활용하는 데 유용한 일련의 팁입니다.
