Evalúa la calidad de tus datos
Controles de calidad de datos
Las comprobaciones de calidad de los datos ayudan a identificar problemas que pueden afectar la precisión, completitud y fiabilidad de los datos a medida que avanzan por una canalización.
Habilitar Verificaciones de la calidad de los datos
Verificaciones de la calidad de los datos están activados por defecto para cada Limpieza nodo. Puedes activar o desactivar las comprobaciones de calidad de datos para un nodo Limpieza individual.
- Selecciona el nodo Limpieza.
-
Abra Calidad de los datos.
- Enciéndelo Habilitar verificaciones o apagado.
- Selecciona Guardar aplicar tus cambios.
Resultados de la revisión
Se Resumen de la calidad de los datos actualiza cuando seleccionas un paso diferente para que los detalles de la columna reflejen el resultado del paso seleccionado. Abre el panel lateral para más información.
Indicador de problemas de calidad
Indicador saltado
Un punto azul indica que se han omitido las comprobaciones de calidad de los datos.
Valores faltantes
La comprobación de calidad para Valores faltantes identifica registros que contienen valores vacíos o nulos en los campos requeridos.
La falta de valores puede llevar a análisis incompletos, errores de procesamiento y resultados poco fiables. El seguimiento de los valores ausentes ayuda a garantizar que los datos estén completos y sean adecuados para su uso posterior.
Columnas disponibles
La detección de valores faltantes está disponible para todas las columnas.
Resolver valores faltantes
- Reemplazar
- Abre el Reemplazar diálogo para especificar un nuevo valor para el valor que falta.
- Excluir a todos
- Crea un filtro que excluya todos los valores que falten.
Valores atípicos
El control de calidad para Outliers identifica valores significativamente superiores o inferiores a otros valores del conjunto de datos.
Los valores atípicos pueden indicar errores de entrada de datos, problemas de medición, condiciones inesperadas o cambios significativos en un proceso. Monitorizar los valores atípicos ayuda a identificar posibles problemas de calidad de los datos y resalta registros que pueden requerir una investigación adicional.
Columnas disponibles
La detección de valores aberrantes está disponible para columnas numéricas.
Método
El método del Rango Intercuartílico (IQR) identifica valores atípicos buscando valores que se sitúan inusualmente lejos del 50% medio de los datos.
Cualquier valor fuera de estos límites se considera un caso atípico.
Cota inferior=Q1−1,5×IQRCota superior=Q3+1,5×IQR
Resolver valores atípicos
- Excluir a todos
- Crea un filtro que excluya todos los valores atípicos.
Categorías raras
La comprobación de calidad identifica Categorías poco frecuentes categorías que aparecen con poca frecuencia en una columna de datos.
Las categorías raras son valores que aparecen con poca frecuencia en comparación con el tamaño del conjunto de datos. Las categorías raras pueden indicar errores tipográficos, errores ortográficos, capitalización inconsistente u otros problemas de calidad de los datos que pueden afectar al análisis, la modelización estadística y los resultados del aprendizaje automático.
Columnas disponibles
- Text columns
- Columnas numéricas o de fecha/hora que tengan 5 o menos valores distintos
La detección de categorías raras no se realiza en columnas numéricas ni de fecha/hora que se tratan como datos continuos. Los valores que faltan no se tratan como categorías raras.
Método
Minitab Data Center calcula el porcentaje de registros representados por cada categoría. Cualquier categoría con un porcentaje inferior al 5% se considera rara.
Resolver categorías raras
- Reemplazar valor
- Especifica un nuevo valor para la categoría rara.
- Excluir valor
- Crea un filtro que excluya una categoría rara.
