缺失值与噪声处理

缺失值处理

1 忽略元组：当类标号缺少时通常这样做，多个属性缺失时，不是很有效

2 人工填写缺失值：费时

3 使用一个全局常量填充缺失值：如Unknown或无穷大等替换，方法简单，但是挖掘程序可能误认为Unknown有意义

4 使用属性的平局值填充缺失值

5 使用与给定元组属同一类的所有样本的平均值填充缺失值

6 使用最可能的值填充缺失值：可以用回归、基于推到的使用贝叶斯形式化方法的工具或判断书归纳确定。例如，利用数据集中其他顾客的属性，可以构造一颗判定树，来预测income的缺失值。

3-6使数据倾斜，填入的值可能不正确，方法6是最常用的方法，它使用现存数据的多数信息来推测缺失值。

贝叶斯网络和人工神经网络，从理论上来说，贝叶斯考虑了一切，但是只有的当数据集较小或满足某些条件（如多远正态分布）时完全贝叶斯分析才是可行的。不完全数据的表达方法所依据的理论有可信度理论、概率论、模糊集合论、可能性理论、D-S的证据理论等。

噪声数据

1 分箱（binning），通过考察“邻居来平湖存储数据的值

2 计算机和人工检查相结合

3 回归

4 聚类