- 1、本文档共32页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据预处理
数据挖掘数据预处理
为什么要预处理数据?
n现实世界的数据是“肮脏的”——数据多了,什
么问题都会出现
q不完整的:有些感兴趣的属性缺少属性值,或仅包
含聚集数据
q含噪声的:包含错误或者“孤立点”
q不一致的:在编码或者命名上存在差异
n没有高质量的数据,就没有高质量的挖掘结果
q高质量的决策必须依赖高质量的数据
q数据仓库需要对高质量的数据进行一致地集成
数据挖掘数据预处理
数据质量的多维度量
n一个广为认可的多维度量观点:
q精确度
q完整度
q一致性
q合乎时机
q可信度
q附加价值
q可访问性
n跟数据本身的含义相关的
q内在的、上下文的、表象的
数据挖掘数据预处理
数据预处理的主要任务
n数据清理
q填写空缺的值,平滑噪声数据,识别、删除孤立点,解决不
一致性
n数据集成
q集成多个数据库、数据立方体或文件
n数据变换
q规范化和聚集
n数据归约
q得到数据集的压缩表示,它小得多,但可以得到相同或相近
的结果
n数据离散化
q数据归约的一部分,通过概念分层和数据的离散化来规约数
据,对数字型数据特别重要
数据挖掘数据预处理
空缺值
n数据并不总是完整的
q例如:数据库表中,很多条记录的对应字段没有相
应值,比如销售表中的顾客收入
n引起空缺值的原因
q设备异常
q与其他已有数据不一致而被删除
q因为误解而没有被输入的数据
q在输入时,有些数据应为得不到重视而没有被输入
q对数据的改变没有进行日志记载
n空缺值要经过推断而补上
数据挖掘数据预处理
如何处理空缺值
n忽略元组:当类标号缺少时通常这么做(假定挖掘任
务涉及分类或描述),当每个属性缺少值的百分比变
化很大时,它的效果非常差。
n人工填写空缺值:工作量大,可行性低
n使用一个全局变量填充空缺值:比如使用unknown或
-∞
n使用属性的平均值填充空缺值
n使用与给定元组属同一类的所有样本的平均值
n使用最可能的值填充空缺值:使用像Bayesian公式
或判定树这样的基于推断的方法
数据挖掘数据预处理
噪声数据
n噪声:一个测量变量中的随机错误或偏差
n引起噪声数据的原因
q数据收集工具的问题
q数据输入错误
q数据传输错误
q技术限制
q命名规则的不一致
数据挖掘数据预处理
如何处理噪声数据
n分箱(binning):
q首先排序数据,并将他们分到等深的箱中
q然后可以按箱的平均值平滑、按箱中值平滑、按箱的边界平
滑等等
n聚类:
q监测并且去除孤立点
n计算机和人工检查结合
q计算机检测可疑数据,然后对它们进行人工判断
n回归
q通过让数据适应回归函数来平滑数据
数据挖掘数据预处理
数据平滑的分箱方法
nprice的排序后数据(单位:美元):4,8,15,21,21,24,25,
28,34
n划分为(等深的)箱:
q箱1:4,8,15
q箱2:21,21,24
q箱3:25,28,34
n用箱平均值平滑:
q箱1:9,9,9
q箱2:22,22,22
q箱3:29,29,29
n用箱边界平滑:
q箱1:4,4,15
q箱2:21,21,24
您可能关注的文档
- 机械设计实例.pdf
- 机械加工夹具创新设计和应用.pdf
- 本类药物结构特性共性.pdf
- 有理数及其运算复习.pdf
- 有机磷酸酯类中毒症状与解救药物作用.pdf
- 有机磷农药中毒课件.pdf
- 有关安全管理建议书.pdf
- 有关园林实习报告.pdf
- 春冀教版语文四下《女孩儿乌塔》.pdf
- 星源氢氧能源机基本介绍.pdf
- 专卖店促销员销售与成交技巧培训课件(34P).pptx
- 红色商务风新员工入职销售技巧知识培训课件(34P).pptx
- 专卖店商场销售员销售与成交技巧培训课件(34P).pptx
- 小区物业保安法律知识培训课件(28P).pptx
- 专卖店销售员轻松成交技巧培训(34P).pptx
- 轻松成交客户新员工入职通用销售技巧知识培训(34P).pptx
- 2024年初级《银行业法律法规与综合能力》考前必刷必练题库500题(含真题、必会题).docx
- 2024年“新安法知多少”知识竞赛题库及答案(最新版).docx
- 2024年30秒毕业生面试工作自我介绍.docx
- 2024年《医务人员礼仪培训》心得体会.docx
文档评论(0)