数据的预处理

  按照道理而言，预处理就基本上进入数据挖掘的技术阶段了，目前自己还是一个小白而已，就说说自己从书上学到的一些吧。

 

  数据清理： 就是对某些特殊的情况进行处理，让挖掘的数据质量更高些，更容易得到更好的结果。

  1.缺失值处理

  判断缺失值，我自己喜欢用 A = which( is.na(nhanes2[,4]) == T )

  ①删除法， 习惯用 good  = nhanes2[-A,0],   bad = nhanes2[A,0]

  ②插补法，一种最简单的方法是用good中数据作为样本进行抽取，来替换bad中的数据

 

  对于替换方式还有其它的很多种，均值替换，中位数替换，众数替换等等，高端点的是用线性回归模型来拟合数据进行替换。

 

  2.噪声数据处理

  噪声数据实际就是数据中的离群点，奇异值之类的，对结果容易造成特别大的偏差。

  使用的包名为outliers.

  使用的函数是outlier()   其中里面有一个opposite参数，它的取值用T和F，T代表取值为最远离群值相反的值

 

  3.数据不一致的处理

  这个还是不太清楚，还是遇到了实际的，学到了新知识，再来更新。

 

  4.数据的集成

  对数据集按照统计的方法进行检验，查看，并进行处理。

 

  5.数据的变换和规约

  遇到了具体的再补上