การทำความสะอาดและแปลงข้อมูล

กรณีศึกษา: การวิเคราะห์ทางการเงินใน KNIME

Andrew Logan

Data Scientist, 4&8 Ltd

ดำเนินตามแผน

• ข้อมูลที่สะอาด มีประโยชน์ และสอดคล้องกัน
• การทำความสะอาด: ค่าที่ขาดหาย การลบข้อมูลซ้ำ การลบแถวและคอลัมน์ที่ไม่จำเป็น ฯลฯ
• การแปลงข้อมูล: การจัดการสตริง การคำนวณตัวเลข การเปลี่ยนชื่อคอลัมน์ ฯลฯ

ทำความสะอาดข้อมูล

• โหนดที่ใช้บ่อย: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• อย่าลืมเพิ่ม Annotation!

ทำความสะอาดข้อมูล

• โหนดที่ใช้บ่อย: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• อย่าลืมเพิ่ม Annotation!
• โหนดอื่น ๆ อีกมาก: ใช้ KNIME forum - https://forum.knime.com/ หรือเครื่องมือค้นหาสำหรับกรณีพิเศษ

ปรับแต่งข้อมูลให้มีประโยชน์

• การปรับแต่งข้อมูลให้ใช้งานได้จริง
• การจัดการสตริง

ปรับแต่งข้อมูลให้มีประโยชน์

• การปรับแต่งข้อมูลให้ใช้งานได้จริง
• การจัดการสตริง
• การคำนวณตัวเลข

ปรับแต่งข้อมูลให้มีประโยชน์

• การปรับแต่งข้อมูลให้ใช้งานได้จริง
• การจัดการสตริง
• การคำนวณตัวเลข
• โหนดแปลงข้อมูลอื่น ๆ
• Annotation!

เข้าใจง่ายและนำกลับมาใช้ได้

• Metanode — เหมือนเมืองบนแผนที่

เข้าใจง่ายและนำกลับมาใช้ได้

• Metanode — เหมือนเมืองบนแผนที่
• รวมหลายโหนดเป็นโหนดเดียว

เข้าใจง่ายและนำกลับมาใช้ได้

• Metanode — เหมือนเมืองบนแผนที่
• รวมหลายโหนดเป็นโหนดเดียว
• ประหยัดเวลา
• เข้าใจง่าย
• เพิ่ม Annotation ได้สะดวก

มาฝึกกันเถอะ!

กรณีศึกษา: การวิเคราะห์ทางการเงินใน KNIME