《数据预处理的针对性原则15713.pdf》由会员分享，可在线阅读，更多相关《数据预处理的针对性原则15713.pdf（2页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数据预处理的针对性原则 一、数据预处理的目的 数据预处理主要是为了改善数据质量，使数据质量符合数据分析的要求，使得可以准确分析出有价值的知识，并且提高机器学习的准确率。1、数据清洗原则 数据清洗，是指根据相关的需求，去除数据中的异常值，空值或者无效值，以及完善相关的属性值。一般需要有可重复性，完整性，正确性，一致性，简单性等原则。2、数据规约原则 数据规约，是指根据相关需求，对原始数据进行分组，离散化，归一化，标准化等处理，以让数据可便于进行分析使用。规约的原则主要有可操作性，抽象性，可控性，泛化，一致性等原则。3、数据转换原则 数据转换除了指数据的规约外，还指将几种不同数据类型之间的数据转换
2、，以满足模型要求或者方便运算的需求。数据转换的原则主要有保持原意，改善数据结构，减少冗余，符合运算逻辑，减少计算量，表达方式更清楚等原则。4、特征筛选原则 特征筛选，是指从原始特征中筛选出有用的、可影响模型预测精度的特征，以便于训练数据更好的预测数据，特征表示的越简单，模型就越易于控制。特征筛选的原则主要有保存有用信息，识别冗余特征，加速收敛，减少计算量，减少正则化参数等原则。5、数据离散化原则 数据离散化，是指将数据从有序的实数数据型转变为离散的符号数据类型，从而使其容易处理，数据分布合理和处理高效等原则做出正确的离散化处理。离散化的原则主要有提取数据关键特征，容易处理，合理的数据分布，消除数据相关性，分离关键特征和噪声，降低参考数据量，提高数据运算速度等原则。6、其他常用的原则 此外，还有缺失值填补原则，数据可视化原则，数据降维原则等原则，它们也可以作为更好地理解数据预处理的参考。