学习笔记（四）数据预处理之数据集成

数据集成：合并来自多个数据存储的数据。

小心集成有助于减少结果数据集的冗余和不一致，有助于提高其后挖掘过程的准确性和速度。

在数据集成时，模式集成和对象匹配需要技巧，涉及这实体识别问题。每个属性的元数据包括名字，含义，数据类型和属性的允许取值范围，以及处理空白，零或零值的空值规则。这样的元数据可以用来帮助避免模式集成的错误。在集成期间，当一个数据库的属性与另一个数据库属性匹配时，必须特别注意数据结构。这旨在确保源系统中的函数依赖和参照约束与目标系统的匹配。

冗余和相关分析

有些冗余可以被相关分析检测到，给定两个属性，这种分析可以根据可用的数据，度量一个属性能在多大程度上蕴含另一个。对于标称数据，使用我们检验。对于数值属性，使用我们相关系数状语从句：协方差。

1数据标称的相关检验

 标称数据的两个属性甲和B