统计建模的思考方式-同济大学数学科学学院.ppt

同济大学 数学系 ;同济大学 数学系 ;数据预处理;4;现实世界的数据;6;数据错误的危害性;8;数据预处理的形式;数据预处理的意义;描述性数据汇总;度量数据的中心趋势;度量数据的中心趋势…;代数度量;整体度量;整体度量;17;18;度量数据的离散程度…;盒形图;盒图的功能 1.直观明了地识别数据集中的离群点 2.判断数据集的偏态和尾重 3.比较几批数据的形状 ;同济大学 数学系 ;23;直方图 Histogram;分位数图 Quantile Plot;散布图scatter plot;局部回归（Loess）曲线;数据清理;29;30;*;分箱法光滑数据;回归：用一个函数（回归函数）拟合数据来光滑数据。 线性回归 多元线性回归 聚类：将类似的值聚集为簇。检测离群点;回归Regression;聚类Cluster Analysis;数据清理作为一个过程;数据集成和变换;38;39;规范化;存在问题： 若存在离群点，可能影响规范化 若在规范化后添加新的数据，当新数据落在原数据的区间[minA, maxA]之外，将导致“越界”错误。 ;规范化…;数据归约 Data Reduction;数据归约;数据立方体聚集;同济大学 数学系 ;同济大学 数学系 ;属性子集选择;维度归约;数值归约;抽 样;数据离散化和概念分层产生;概念分层;概念分层;统计软件的选择;均