商务智能理论与应用8数据准备.pptx

2021/7/30;为什么要进行数据挖掘?;为什么数据预处理重要?;2021/7/30;2021/7/30;

;2021/7/30;2021/7/30;2021/7/30;2021/7/30;2021/7/30;2021/7/30;2021/7/30;例：;均值填补：;2021/7/30;2021/7/30;2021/7/30;例：;2021/7/30;2021/7/30;2021/7/30;异常点;;2021/7/30;2021/7/30;2021/7/30;2021/7/30;2021/7/30;为什么要进行标准化？;小数缩放移动小数点，但是要仍然保持原始数据的特征。小数点的移动位数依赖于X的最大绝对值。

典型的缩放是保持数值在-1和1范围内，可以用格式描述：

;2、最小-最大规范化;2021/7/30;为什么要进行数据的平滑？;2021/7/30;2021/7/30;2021/7/30;2021/7/30;;2、回归;3、通过自然划分分段;EXAMPLE;为什么要进行数据概化？;2021/7/30;2021/7/30;连续属性的离散化就是将数值属性的值域划分为若干子区间，每个区间对应一个离散值。

离散化方法依据不同的标准主要有以下几种划分：有监督和无监督、动态和静态、全局和局部、自顶向下和自底向上等。

;2021/7/30;2、动态和静态离散化;2021/7/30;4、局部和全局离散化;2021/7/30;2021/7/30;2021/7/30;2021/7/30;我们现在以花萼长（ sepal length in cm ）属性为例，来进行连续型值属性的离散化。

具体步骤为如下：

（1）对要离散化的属性的连续值排序。

（2）根据一定的规则产生候选断点集，构造初始区间。