数据挖掘

1、知识发现过程

     数据清理--->数据集成-->数据选择-->数据变换-->数据挖掘-->模式评估-->知识表示

2、数据预处理

        数据清理：现实的数据往往是“脏”的，不完整、不一致的，因此必须清理。清理的内容包括填充空缺值、识别孤立点、消除杂音并纠正数据的不一致性。

        数据归纳：有是用于挖掘的数据量特别大，数据挖掘时间很长，这使数据挖掘成为不可能的可能性，所以要进行数据的归约，将大量的数据压缩成可接受范围的数据，并要原                            数据的完整和有效。

        数据集成及变换：数据挖掘往往需要多个不同的数据，因此需把它们通过变换、抽取，集成统一的数据平台工挖掘之用。

        离散化和概念提升：要进行挖掘的数据中往往有的数据属性呈连续值，而有的属性虽然呈离散状态但域值多，不利于分析和挖掘，故需对连续值作离散化处理，而对属性中过                                           于密集的离散值作概念提成，即用更概括的值取代属性中过多的值。