原创力文档- 1、本文档共65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
数据清洗和数据预处理
熵值
归一化方法
抽样方法
……;教学目标;教学要求;为什么要预处理数据？;原始数据中存在的问题;数据预处理的方法;数据清洗;数据清洗——处理空缺值;数据清洗——处理空缺值;数据清洗——噪声数据的处理;噪声数据的处理——分箱;噪声数据的处理——分箱;噪声数据的处理——分箱;噪声数据的处理——分箱;噪声数据的处理——分箱;熵——信息的度量〔利用概率来度量〕;熵——信息的度量;例子
硬币下落：硬币下落可能有正反两种状态，出现这两种状态的概率都是1/2。
如果需要消除其不确定性，那么就需要信息量：H(x)=-[P(X1)log2P(X1)+P(X2)log2P(X2)]
=-(-0.5-0.5)=1比特为1比特的信息。
例2:张三到4000人的企业去找李四。当企业人事部门告诉张三：“李四是第四车间的”，而第四车间有1000人，如果第四车间的人告诉张三，李四在第三班，第三班共有125位员工，计算张三所获得的信息量？;噪声数据的处理——分箱;噪声数据的处理——平滑处理;噪声数据的处理——聚类;噪声数据的处理——聚类;噪声数据的处理——回归;噪声数据的处理——回归;数据集成;数据集成——模式匹配;数据集成——数据冗余;数据集成——数据值冲突;数据变换——平滑;数据变换——聚集;数据变换——数据概化;数据变换——标准化;最小-最大标准化;最小-最大标准化;零-均值标准化〔z-score标准化〕;零-均值标准化〔z-score标准化〕;小数定标标准化;小数定标标准化;数据变换——属性构造;数据归约〔数据消减〕;数据归约标准;数据归约的方法;数据归约——数据立方体聚集;数据归约——数据立方体聚集;数据归约——数据立方体聚集;以下图数据是某商场2000～2002年每季度的销售数据，对这种数据进行聚集，使结果数据汇总每年的总销售额，而不是每季度的总销售额。;以下图所示数据立方体用于某销售企业每类商品在各分公司年销售多维数据分析。每个单元存放一个聚集值，对应于多维空间的一个数据点。每个属性可能存在概念分层，允许在多个抽象层进行数据分析。;数据归约——维归约;维归约——选择相关属性子集;数据归约——数据压缩;数据归约???—数据压缩;数据归约——数值归约;利用分箱方法对数据分布情况进行近似;数值归约——用聚类数据表示实际数据;优点：获取样本的时间仅与样本规模成正比
方法：
不放回简单随机抽样
放回简单随机抽样
聚类抽样：先聚类，再抽样
分层抽样：先分层，再抽样
;;数值归约——参数回归法
;数据归约——离散化与概念分层生成;数据归约——概念分层生成;数值数据的概念分层生成方法;数值数据的概念分层生成方法;数值数据的概念分层生成方法;;分类(类别)数据的概念分层生成方法;分类(类别)数据的概念分层生成方法
文档评论（0）