商务智能理论与应用8数据准备.pptx
- 文档收藏爱好者企业认证 |
- 2021-08-01 发布|
- 1.66 MB|
- 115页
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。
;2021/7/30;2021/7/30;2021/7/30;2021/7/30;2021/7/30