摘要：特征挖掘的框架 频繁特征挖掘基本概念 1.频繁项集、频繁子序列、频繁子结构 2.关联规则： 购物篮问题：电脑-->反病毒软件[支持度support=2%, 置信读confidence=60%]，表示所有交易数据中有2%的记录在购买了电脑与反病毒软件被同时购买，而所有购买了电脑的用户中，有60%的用户 阅读全文

摘要：数据清洗 数值缺失 1.略去该组数据 2.数值填充：1)随机数;2)统一的全局常量，如:UNKNOWN;3)均值、中值;4）按类别的中值、均值;5）回归、决策树等得到的预测值; 噪声数据的平滑：随机噪声或偏差引起噪声 1.装箱法：按邻值实现 2.拟合回归函数以平滑数据 3.异常数据分析：在聚合后簇外 阅读全文

摘要：数据类型 特征属性类别：名词性（无序性,红、黄、蓝）、二元特征（正、负）、有序特征（大中小） 、数值性特征（量化数据，可计算：1.interval-scaled;2.ratio-scaled）、有/无序 数据的基本统计学描述 数据整体趋势描述 1.(加权)均值： 2.中值：快速近似计算，对数据按大小 阅读全文