数据挖掘——（二）数据预处理

数据预处理

1. 数据质量的三个要素：准确性、完整性、一致性

2. 数据预处理的主要任务：

　　数据清理、数据集成、数据归约、数据变换

一. 数据清理

数据清理主要：填补缺失的值，光滑噪声同时识别离群点，并纠正数据的不一致性。

通常是一个两步的迭代过程，包括偏差检测和数据变换

注意：在某些情况下，缺失值并不意味着数据有误。在理想情况下，每个属性应当有一个或多个关于控制条件的规则。这些规则可以说明是否允许空值，并且/或者说明这样的空值应当如何处理或转换。

二. 数据集成

数据集成将来自多个数据源的数据整合成一致的数据存储。语义异种性的解决、元数据、相关性分析、元组重复检测、数据冲突检测等有助于数据的顺利集成。

三、数据归约

将数据归约表示，比起原数据集小得多，但是保证原始数据的完整性。

四. 数据变换与数据离散化