1、資料的收集
2、資料抽樣 ：注意其代表性和隨機性
代表性指的是樣本與總體的接近程度；隨機性反映樣本被抽中純屬偶然
例如：在對總體質量狀況一無所知的情況下，採用簡單隨機抽樣最為合理；在對總體質量有一定的了解情況下，採用分層隨機或系統隨機抽樣可提高其代表性；而對於簡單隨機抽樣有困難的情況下，可採用隨機性和代表性較差的分段隨機或整群隨機抽樣
3、抽樣方法
單價段抽樣方法
方法介紹
特點簡單隨機抽樣
將調查總體全部編號，再用抽籤法或者隨機數表法抽取部分觀察組成樣本
優點：操作簡單
缺點：總體較大時，無法編號
系統抽樣（機械抽樣、等距抽樣）
先將總體的觀察按某一順序號分成n個部分，再從每乙個部分個抽取一定數量的觀察組成樣本
優點：易於理解、簡單易行
缺點：總體有週期或增減趨勢時，易產生偏性
整群抽樣
總體分群，在隨機抽取幾個群組成樣本，群內全部抽樣
優點：便於組織、節省經費
缺點：抽樣誤差大於單純隨機抽樣
分層抽樣
按對樣本影響較大的某種特徵，將總體分成若干個類別，再從每一層內隨機抽取一定數量的觀察，合起來組成樣本
優點：樣本代表性好、抽樣誤差小
在實際應用中，常根據實際情況將整個抽樣過程分為若干個階段進行，成為多階段抽樣
流程圖如下：
資料探勘筆記 1 概念 資料準備
一.概念 資料探勘 運用基於計算機的方法，從資料中獲得有用之時的整個過程。兩個基本目標 和描述。資料探勘的基本任務 1 分類 2 回歸 3 聚類 4 總結概括 5 關聯建模 6 變化和偏差檢測 資料探勘的過程 陳述問題，闡明假設 收集資料 預處理資料 模型評估 挖掘資料 解釋模型，得出結論 資料倉儲...
資料探勘之資料準備 原始資料的轉換
接下來介紹的幾個資料轉換常見型別與問題無關，並可能改善資料探勘的結果。在特定應用中選擇和使用技術，取決於資料的型別，資料量和資料探勘任務的一般特徵。1.標準化 一些資料探勘方法，一般是那些基於n維空間中的點間距離計算的方法，可能需要對資料進行標準化，以獲得最佳結果。測量值可按比例對應到乙個特定的範圍...
資料探勘之資料準備 原始資料的描述
資料樣本是資料探勘過程的基本組成部分，每個樣本都用幾個特徵來描述，每個特徵都有不同型別的值。首先介紹兩種常見的基本型別 數值型 和 分型別 數值型值包括實型變數和整型變數如年齡，速度或長度。數值型特徵有兩個重要的屬性 其值有順序關係和距離關係。與其形成對照的是，分型別變數沒有上述兩種關係，分型別變數...