数据挖掘-西安电子科技大学软件学院.PPTVIP

属性 属性（或尺寸，特征，变量）：一个数据字段，代表一个数据对象的特征或功能。 例如，客户_ID，姓名，地址 类型： 标称 二进制 数字：定量 规模区间 缩放比率 属性类型 标称：类别，状态，或“名字的东西” Hair_color={黑色，棕色，金色，红色，红褐色，灰色，白色} 婚姻状况，职业，身份证号码，邮政编码 二进制 只有2个状态（0和1）的属性 对称二进制两种结果重要 例如，性别 不对称的二进制结果同样重要。 例如，医疗测试（正面与负面） 公约：将1至最重要的成果（例如，HIV阳性） 序数词 价值观有一个有意义的顺序（排名），但不知道连续值之间的大小。 大小={小，中，大}，等级，军队排名 2.2数据质量 被广泛接受的数据质量测量标准 准确性 完整性 一致性 合时性 可信度 解释性 2.3数据预处理 数据预处理：概述 数据预处理主要任务 数据清洗 数据集成 数据缩减 数据转换和数据离散化 总结 2.3数据预处理主要任务 数据清理 填写缺失值，平滑噪声数据，识别或删除离群，并解决不一致问题 数据集成 整合多个数据库，多维数据集或文件 数据缩减 降维 Numerosity reduction 数据压缩 数据转换和数据离散化 正常化 生成概念层次结构 数据清洗 在现实世界中的数据是“脏”的： 不完整的：缺少属性值，缺乏某些属性值，或只包含总数据 例如，职业=“ ”（丢失的数