spss modeler 数据挖掘4

本文介绍了使用SPSS Modeler进行数据挖掘时如何处理缺失值和异常值。针对缺失值,文章详细阐述了删除和填充两种处理方式,包括删除单行记录、删除字段以及使用填充功能。对于异常值,通过数据审核和图形分析来确定,并提供了单字段和多字段异常值的处理方法。最后,讨论了如何观察数据项之间的联系,如通过均值节点和网络图节点来分析连续型字段。
摘要由CSDN通过智能技术生成

4.spss modeler 数据挖掘4

标签(空格分隔):3.1数据挖掘


#一 项目背景和目的
image_1crrn3tom1ecbgr11b5p9jl1cuap.png-71.5kB

#二 业务理解—数据需求
image_1crrn160db641lv21oep1oofbo2c.png-29.1kB

#三 数据分析

1.存在问题—数据缺失/异常值
(1)确定缺失值数据类型及数量
image_1crrn7qtto1737vqg5dh72vd16.png-268.4kB

(2)确定方法:数据审核(质量)—数量较大的数据审核
image_1crrnomfrkitapq11ckbva1dqb2g.png-36.2kB

  • 自定义缺失值
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