17、空间数据清洗：问题与解决方案

空间数据清洗：问题与解决方案

1. 空间数据清洗的重要性

空间数据中总是存在各种问题，这使得空间数据清洗成为数据挖掘最重要的准备工作。如果未经清洗就输入空间数据，后续的发现可能不可靠，从而产生不准确的输出知识和错误的决策结果。

2. 空间数据存在的问题

2.1 受污染的空间数据

在现实世界中，大多数空间数据都受到了污染，主要表现为以下几种常见问题：
- 不完整的空间数据 ：空间数据的完整性反映了其概述和抽象的程度。数据可能因多种原因缺失或不完整，例如：
- 设计空间数据库时，必要的域和实例未被记录；收集和编辑空间数据的决策规则未考虑所有变量和影响因素；数据库无法全面呈现对象的所有可能属性和可变特征；数据库未包含所有可能的对象。
- 未按照测量标准的标准、定义和其他规则收集所有特征，一些重要特征因评估标准而被融合。
- 为保证数据分析连续性和系统未来发展的过程中缺少某些元素，如用户输入习惯或不同需求导致必要数据值缺失。
处理因未知属性值导致的数据噪声的方法有：
1. 忽略法 ：忽略属性值未知的记录。
2. 添加值法 ：将未知值视为属性的另一个值。
3. 似然估计法 ：用属性最可能的值替换未知值。
4. 贝叶斯估计法 ：在函数分布下，用属性的最大可能值替换未知值。
5. 决策树法 ：用对象的分类替换未知值。
6.