《数据挖掘原理、算法与应用（Python语言描述）》课件【第三章】数据预处理.pptxVIP

《数据挖掘原理、算法与应用（Python语言描述）》课件【第三章】数据预处理.pptx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

第三章

数据预处理;学习目标;数据预处理的重要性;常见的预处理方法;目录;对于有缺失值的数据集，不能直接用于模型的训练，需要对缺失的数据进行删除或填充处理。

填补法可获得完整的数据集，对于连续型数据通常采用均值填充，离散型数据则采用众数或中位数填充。

删除法是根据具体情况删除样本（行）或特征（列）得到一个完整的数据子集。

;3.1缺失值处理;对于连续型数据，使用平均值填充缺失值，如表中学生信息收集过程中少数样本的体重、身高缺失。但要注意的是均值填补会使得相应特征的方差变小。

对于离散型数据，可以使用众数填充，如表中学生信息中少数样本的性别缺失，可以考虑使用数据表中样本性别的众数来填充。但这

该用户很懒，什么也没介绍

咨询Ta 进入空间

更多 >