• A

  Para valores nulos, deve-se preencher com a média da coluna; para datas futuras, deve-se corrigir para a data atual; para duplicatas, deve-se manter o primeiro registro; para outliers, deve-se excluir todos os valores acima do terceiro quartil.

• B

  Para valores nulos, deve-se investigar a causa e considerar imputação ou remoção; para datas futuras, deve-se validar contra regras de negócio e corrigir ou remover; para duplicatas, deve-se aplicar deduplicação com base em regras de negócio; para outliers, deve-se analisar se são erros ou eventos legítimos antes de decidir sobre tratamento.

• C

  Para valores nulos, deve-se sempre removê-los para garantir a integridade; para datas futuras, deve-se substituir pela data mínima do conjunto; para duplicatas, deve-se agregar os registros duplicados em um único; para outliers, deve-se aplicar transformação logarítmica para normalizar a distribuição.

• D

  Para valores nulos, deve-se preencher com a mediana da coluna; para datas futuras, deve-se considerar como erro de digitação e inverter o dia e o mês; para duplicatas, deve-se excluir todos os registros duplicados; para outliers, deve-se utilizar o método do intervalo interquartil (IQR) para removê-los automaticamente.

• E

  Para valores nulos, deve-se utilizar algoritmos de aprendizado de máquina para prever os valores faltantes; para datas futuras, deve-se aplicar técnicas de imputação múltipla; para duplicatas, deve-se utilizar a distância de Levenshtein para identificar registros similares; para outliers, deve-se aplicar o método de clustering DBSCAN para detectar anomalias.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.