数据挖掘中需要注意的四点

我们在做数据挖掘工作或学习数据挖掘课程的时候需要注意很多的事情，在这篇文章中我们就从数据转换成文本、数据装箱、Naive Bayes算法、聚类分析模型这四个方面讲解需要注意的地方。希望这篇文章能够帮助到大家。

1.数字转换文本

我们在进行将数字转换为文本的时候，通常执行编码是为了简化数据输入或者节省数据库的存储空间，不过此编码可能导致值的性质和意义不明确。此外，由于离散值以数字形式存储，当我们在应用程序之间移动数据时，可能会遇到数据类型转换错误，这些值可能被计算或被视为连续值。若要避免此类问题，应该在开始数据挖掘之前，将数值标签转换回离散的文本标签。

2.数字装箱

在进行对数字进行装箱的时候，从原则来说，所有数值都是无限的并因此是连续的，但在我们对信息进行建模时，可能会发现将可用值离散化或装箱可能更有效。我们可以通过许多方式将数据装箱，第一种方式就是指定数目有限的存储桶并且让算法对存储桶中的值进行排序。这是我们通过创建某些分组集合，自己预先对值进行分组。使用此方法，这样常常会丧失值的真正分布，但范围更易于用户读取。让算法确定存储桶的最佳数目以及值的分布。这是大多数工具中的默认行为，但我们可以在数据挖掘工具栏向导中重写这些默认行为。而某些在外接程序中使用的算法需要特定的数据类型或内容类型才能创建模型。这样就需要我们对算法的使用多加重视。

3.Naive Bayes模型，

一般来说，Naive Bayes 算法不能使用连续列作为输入。这意味着，我们必须对数字装箱，或者如果值足够少，可以按离散值处理。当然此类模型也不能预测连续值。因此，如果要预测连续数字，应先将值装箱到有意义的范围中。如果不确定合适的范围，可以使用聚类分析算法确定数据中的数字聚类。基于此算法使用向导时，向导会对连续列装箱。

4.聚类分析模型

在聚类分析模型中，聚类分析工具也不能使用连续数字，但这两个工具都会自动对数字列装箱。这两种工具都向您提供选项以便可以选择结果中输出类别的数目，但是，如果想要控制对单独列中的值进行分组的方式，则应该通过所需分组来创建新列。

在这篇文章中我们给大家介绍了很多数据挖掘中需要注意的地方，具体就是数据转换成文本、数据装箱、Naive Bayes算法、聚类分析模型的相关知识。当然，这些都是在数据挖掘工作中需要注意的事情，我们在做数据挖掘工作或学习过程中一定要重视这些细节。