این برنامه لینوکس با نام missingno است که آخرین نسخه آن را می توان با عنوان 0.5.2maintenancerelease.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این برنامه با نام missingno را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
عکس ها
Ad
از دست رفته
شرح
مجموعه داده های نامرتب؟ ارزش از دست رفته؟ missingno مجموعه ابزار کوچکی از تجسمها و برنامههای کاربردی دادههای گمشده انعطافپذیر و با استفاده آسان را ارائه میدهد که به شما امکان میدهد یک خلاصه بصری سریع از کامل بودن (یا فقدان آن) مجموعه داده خود دریافت کنید. برای شروع کافیست missingno را نصب کنید. این شروع سریع از نمونه ای از مجموعه داده های NYPD Motor Vehicle Collisions استفاده می کند. ماتریس بی اعتباری msno.matrix یک نمایشگر با داده های متراکم است که به شما امکان می دهد الگوهای تکمیل داده را به سرعت به صورت بصری انتخاب کنید. در یک نگاه، تاریخ، زمان، توزیع صدمات، و ضریب مشارکت اولین وسیله نقلیه کاملاً پر به نظر میرسد، در حالی که اطلاعات جغرافیایی عمدتاً کاملتر، اما لکهدارتر به نظر میرسد. خط جرقه در سمت راست شکل کلی کامل بودن داده ها را خلاصه می کند و به ردیف هایی با حداکثر و حداقل بی اعتباری در مجموعه داده اشاره می کند. این تجسم به راحتی تا 50 متغیر برچسب گذاری شده را در خود جای می دهد.
امکانات
- تجسم به راحتی تا 50 متغیر برچسب گذاری شده را در خود جای می دهد
- msno.bar یک تجسم ساده از باطل بودن توسط ستون است
- می توانید به مقیاس لگاریتمی تغییر دهید
- نقشه حرارتی همبستگی از دست رفته، همبستگی پوچی را اندازه گیری می کند
- متغیرهایی که همیشه پر یا همیشه خالی هستند، همبستگی معناداری ندارند
- متغیرهایی که همیشه پر یا همیشه خالی هستند هیچ همبستگی معناداری ندارند،
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/missingno.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.