Công cụ thống kê mô tả nào được sử dụng khi cần tổng hợp dữ liệu đa chiều?

Có một số cách để xử lý dữ liệu bị thiếu, bao gồm:

1. Xóa các bản ghi chứa giá trị bị thiếu: Cách này đơn giản nhưng có thể dẫn đến mất thông tin quan trọng nếu có nhiều bản ghi bị thiếu dữ liệu.
2. Điền giá trị thiếu bằng các giá trị thay thế:
* Điền bằng giá trị trung bình (mean imputation): Thay thế các giá trị thiếu bằng giá trị trung bình của thuộc tính đó. Cách này phù hợp khi dữ liệu bị thiếu ngẫu nhiên và phân phối gần chuẩn.
* Điền bằng giá trị trung vị (median imputation): Tương tự như trên, nhưng sử dụng giá trị trung vị. Cách này phù hợp hơn khi dữ liệu có ngoại lệ.
* Điền bằng giá trị thường xuyên xuất hiện nhất (mode imputation): Sử dụng giá trị xuất hiện nhiều nhất để thay thế giá trị thiếu. Cách này phù hợp cho các thuộc tính phân loại.
* Điền bằng hằng số: Thay thế các giá trị thiếu bằng một giá trị không có ý nghĩa (ví dụ: -999). Cách này cần được xử lý cẩn thận để không ảnh hưởng đến kết quả phân tích.
3. Sử dụng các thuật toán dự đoán giá trị thiếu:
* Hồi quy (regression): Sử dụng các thuộc tính khác để dự đoán giá trị thiếu thông qua mô hình hồi quy.
* K-nearest neighbors (KNN): Tìm các bản ghi tương tự và sử dụng giá trị của các bản ghi này để điền giá trị thiếu.
4. Giữ nguyên giá trị thiếu: Trong một số trường hợp, việc giữ nguyên giá trị thiếu có thể là lựa chọn tốt nhất, đặc biệt khi sử dụng các thuật toán có thể xử lý giá trị thiếu một cách tự động. Tuy nhiên, cần đảm bảo thuật toán được sử dụng có khả năng xử lý giá trị thiếu một cách chính xác.

Như vậy, có ít nhất 4 phương pháp chính để xử lý dữ liệu bị thiếu.

Phân lớp dữ liệu (classification) là một kỹ thuật trong học có giám sát (supervised learning). Trong học có giám sát, mô hình học từ một tập dữ liệu huấn luyện đã được gán nhãn, tức là mỗi điểm dữ liệu đã biết thuộc về lớp nào. Mục tiêu của phân lớp là xây dựng một mô hình có thể dự đoán lớp của các điểm dữ liệu mới chưa được gán nhãn. Do đó, đáp án đúng là C.

Trong Orange, biến kiểu categorical (phân loại) dùng để biểu diễn các thuộc tính rời rạc. Các thuộc tính này thường đại diện cho các nhóm, loại hoặc nhãn khác nhau, không mang tính liên tục hay định lượng. Ví dụ: màu sắc (đỏ, xanh, vàng), giới tính (nam, nữ), hoặc loại sản phẩm (điện tử, quần áo, thực phẩm).

Đánh giá ngoài (external evaluation) so sánh kết quả phân cụm với một "ground truth", tức là một tập các nhãn đã biết trước. Mục tiêu là đánh giá xem các cụm tìm được có khớp với cấu trúc thực tế của dữ liệu hay không. Vì câu hỏi đề cập đến việc so sánh kết quả giữa *các* mô hình, nghĩa là ta đang so sánh với một chuẩn mực hoặc một kết quả mong muốn nào đó, nên đây là đánh giá ngoài. Đánh giá trong (internal evaluation) chỉ dựa trên dữ liệu và kết quả phân cụm mà không so sánh với bất kỳ thông tin bên ngoài nào.