1.12 資料整合
資料整合將多個資料來源中的資料合併，形成乙個一致的資料儲存。其常見的問題如下：
異構資料：這沒有普遍的解決方案。
不同的定義（different definition）：這是內在的，即相同的資料具有不同的定義，如不同的資料庫模式。
時間一致性：這可以檢查資料是否在相同的時間段收集。
舊資料：這指的是從舊系統留下的資料。
社會學因素：這限制了資料的收集。
處理上述問題也有一些方法：
實體識別問題：模式整合和目標匹配是棘手的，這稱為實體識別問題。
元組重複：在元組級可以檢測重複，從而可以檢測屬性之間的冗餘。
資料值衝突的檢測和解析度：在不同的抽象級，屬性可能不同，其中乙個系統中的乙個屬性可能在不同的抽象級被記錄。
R語言資料探勘資料
包含理論知識與rpart包例項。包含演算法的自行實現，以及rweka包的c4.5演算法 tree包的cart演算法。離散選擇模型大師kenneth train的個人主頁，提供了matlab r和gauss的源 個人推薦r 中的rsghb包，採用的估計方法是hierarchical bayes演算法，...
《R語言資料探勘》 1 3 資料探勘
1.3 資料探勘 資料探勘就是在資料中發現乙個模型，它也稱為探索性資料分析，即從資料中發現有用的 有效的 意想不到的且可以理解的知識。有些目標與其他科學，如統計學 人工智慧 機器學習和模式識別是相同的。在大多數情況下，資料探勘通常被視為乙個演算法問題。聚類 分類 關聯規則學習 異常檢測 回歸和總結都...
R語言資料探勘之資料探索
資料質量分析是資料預處理的前提，是資料探勘分析結論有效性和準確性的基礎，其主要任務是檢查原始資料中是否存在髒資料，髒資料一般是指不符合要求，以及不能直接進行相應分析的資料。在常見的資料探勘工作中，髒資料主要值缺失值和異常值。本專場重點介紹了缺失值的判斷 缺失值模式探索 缺失值處理及異常值判斷的常用方...