資料要得以應用，必須是高質量的。高質量包括以下6點：
1. 準確性
2. 完整性
3. 一致性
4. 時效性
5. 可信性
6. 可解釋性
資料清理：消除噪音，糾正不一致。
資料整合：不同資料來源合併乙個，資料倉儲。
資料規約：聚集和刪除冗餘，降低資料規模。
資料變換：資料壓縮（對映）較小的區間。
造成資料不準確、不完整、不一致的原因：
eg.
不準確：比如使用者填寫資料故意填錯。
不完整：比如採集器故障，不能上傳資料。
不一致：上傳的資料格式不一致。
不完整：缺少屬性值
噪音：錯誤或者偏離期望的值
填充缺失值、光滑噪音、識別離散群、糾正資料一致性。
最優的方法：回歸、貝葉斯
資料探勘概念與技術 第2章
1 資料屬性 標稱屬性 類別型屬性,不同類別間無法比較順序,如 職業類別,顏色類別等 二元屬性 只有兩個類別,0表示屬性不出現,1表示出現 如,是否抽菸等 對稱的二元屬性 兩種狀態有相同的價值,攜帶相同的權重,如性別的男女屬於對稱的二元屬性 一般 標識性別時男為1,女為0 非對稱的二元屬性 兩種狀態...
《資料探勘概念與技術》書記 3
歡迎來到現實世界！資料預處理技術 這些技術不是互相排斥的，可以一起使用。資料清理可能涉及糾正錯誤資料的變換。資料質量包括準確性 完整性 一致性 時效性 可信性和可解釋性。現實是你希望使用資料探勘技術分析的資料時不完整的 缺少屬性值或某些感興趣的屬性，或僅包含聚集資料 不正確的或含雜訊的 包含錯誤或存...
《資料探勘 概念與技術（第3版）》筆記（一）
內容包括 第一章 引論 四 並不是所有的模式都是有趣的 五 資料探勘演算法的完全性 六 資料探勘演算法的優化 七 使用的技術 八 面向應用的型別 九 資料探勘的主要問題 1.資料清洗 2.資料整合 3.資料選擇 4.資料變換 5.資料探勘 6.模式評估 7.知識表現 1.資料庫資料 2.資料倉儲 3...