数据挖掘学习笔记(3)

本文详细介绍了数据挖掘中的数据融合方法,包括静态、动态、基于统计和信息论算法以及模糊集理论的融合策略。同时,讨论了数据清理的四个关键步骤——处理缺失、重复、噪声和异常数据,并探讨了不同数据标准化方法,如标准差标准化、极差标准化和极差正规化等。
摘要由CSDN通过智能技术生成

常见的数据融合方法有:静态的融合方法,如加权最小平方等;动态的融合方法,如递归加权最小平方、卡尔曼滤波、小波变换的分布式滤波等;基于统计的融合方法,如马尔可夫随机场、最大似然法、贝叶斯值等;基于信息论算法的方法,如聚集分析、自适应神经网络、表决逻辑、信息熵;基于模糊集理论的聚类方法等。

数据清理的四个环节:处理缺失数据、处理重复数据、处理噪声数据、处理异常数据。

数据标准化是把区间较大的数据整合到一个相对较规则的区间中,包含标准差校准化、极筹标准化和极差正规化等:

(1)标准差标准化:将各个记录值减去记录值的平均值,再除以记录值的标准差,即:


其中,为平均值,其表达式为:,设是标准差,有:

经过标准差标准化处理的所有记录值的平均值为0,标准差为1.

(2)

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值