【数据挖掘】数据预处理与Rapidminer相应的操作

数据预处理

数据挖掘中主要用于数据预处理的方法有以下几种：

1. 聚集（Aggregation）

2. 抽样（Sampling）

3. 维归约（Dimensionality Reduction）

4. 特征子集选择（Feature subset selection）

5. 特征创建（Feature creation）

6. 离散化（Discretization）和二元化（Binarization）

7. 属性变换

练习时测试用的测试数据集可以在【Repository>>Samples>>data】中获取示例数据集；

---

聚集（Aggregation）

聚集是指将两个或多个对象合并成单个对象；

聚集的目的

– 减少数据

• 减少属性或数据对象的个数
  
• 节省数据挖掘算法的运行时间和空间
  

– 尺度提升

• 城市聚集成区域、省、国家，等等
  
• 产生新的模式
  

– 更“稳定”的数据

• 聚集的数据会有较小的变异性
  
• 突出数据的趋势和轨迹
  

聚集方法在Rapidminer中的实现：

Rapidminer中聚集对应的算子是 【Aggregate】