有大量的資料預處理技術：資料清理可以用來清除資料中的雜訊，糾正不一致。資料整合由多個資料來源合併成乙個一致的資料儲存，如資料倉儲。資料歸約可以通過如聚集刪除冗餘特徵或聚類來降低資料規模。資料變換可以用來把資料壓縮到較小區間。
資料清理：通過填寫缺失的值，光滑雜訊資料，識別或刪除離群點，解決不一致性來清理資料。
光滑雜訊資料方法（許多光滑資料的方法也用於資料離散化和資料歸約；有些分類方法如神經網路有內建的資料光滑機制）：
離群點分析：
資料整合時可能產生冗餘資訊。資料整合時可再次進行資料清理，檢測和刪去可能由整合導致的冗餘。
冗餘和相關分析：乙個屬性可能其另乙個或幾個屬性匯出，則這個屬性可能是冗餘的。有些冗餘可被相關分析檢測到，這種分析可以根據可用的資料，度量乙個屬效能在多大程度上蘊涵另乙個。對於標稱資料，使用x2（卡方）檢驗；對於數值屬性，我們使用相關係數和協方差。
元組重複：除檢測屬性的冗餘外還應當在元組檢測重複。
資料值衝突的檢測與處理：如對於現實世界的同一實體，來自不同資料來源的屬性值可能不同，這可能是因為表示、尺度或編碼不同；屬性也可能在不同的抽象層，如乙個是省級，乙個是市級。
資料歸約：用來得到資料集的歸約表示，它小得多，但仍接近於保持原始資料的完整性。
資料變換：規範化（按比例對映到乙個較小區間，以使各屬性權重相近）、資料離散化和概念分層（屬性原始值被區間或較高層的概念取代，如原始年齡用青年、中年、老年代替）。
資料預處理的主要任務之間存在許多重疊
資料探勘概念與技術筆記
1.什麼是資料探勘？資料探勘是從大量資料中提取或 挖掘 知識，很多人也把資料探勘視作 資料庫中的知識發現 kdd 資料探勘的步驟包括 2.什麼是資料倉儲？資料倉儲是乙個從多個資料來源收集的資訊儲存，存放在乙個一致的模式下，並通常駐留在單個站點。通俗講，資料倉儲是通過資料清理 資料變換 資料整合 資料...
《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...