数据预处理总结

数据预处理目的：改善数据分析工作，减少时间，降低成本和提高质量。

1. 聚集，数据集的对象非常多时，可以将多个对象合并成单个对象，删繁就简，减少冗余，提炼数据价值，减少访问时间。
2. 抽样。唐人诗：“山僧不解数甲子，一叶落知天下秋。”，我们有时候真的做不到用全部的数据集去分析，但是我们只要做好抽取一部分样本的工作。后期分析也不一定效果会差。
3. 维归约，与聚集相对，合并的是维度，即多个旧属性合并成单个属性，降低维度。
4. 特征子集选择，与维归约相同目的，都是为了降低因为维度多而访问开销大的问题，通过选取其中的一部分特征作为后期的分析。
5. 特征创建，由原来的属性创建新的属性集，它与维归约不同的地方在于，维归约是专门为了降低维度的，而它一方面是为了将数据映射到新的空间，从新的角度分析数据，比如时间与频率。另一方面它也可能起到维归约的作用，更多是为了专业的目的，如果仅是为了降低维度，直接维归约好了。杀鸡用菜刀就好了，牛刀是专门用来杀牛的。
6. 离散化和二元化，没啥可说的，在决策树中常常会用到。
   7. 变量变换，数据对象有属性，属性自然有变量，为了方便操作和分析目的，对于变量进行适当的变换也是挺需要的。

分类的目的还是为了新人能够更快的了解数据预处理的作用，其实哪里需要什么分类，一切都是为了分析为目的的，当你发现有些数据分析时的问题完全可以在分析前避免，那么你所做的就是数据预处理，数据预处理完全是为了之后的分析服务的（其实我也是自己瞎诌的，学识浅薄，自己理解理解，不要误了旁人。）