数据预处理

定量属性(数值的)：区间，比率等

定性属性(标识的)：标识，序号等

 

聚集：删除数据的属性值（如一个商店的事务代替所有商店的事务）或者合并属性的值（如取值从1-365日合并为取值为1-12月）。

        关键是找出聚集事务，一般定性属性采用忽略或者汇总方法，定量属性采用求和或求平均方法

 

抽样：随机抽样(返回抽样，无返回抽样)，分层抽样（各层均等抽样，各层权重抽样）

 

维归约：多属性变成一个新属性？

 

创建特征：看上去也是维归约，由原来的属性创建新的属性。

         提取特征：如要做图片分类，但是原始数据都是像素数据集合，无法分类。如果利用图像识别技术，对像素数据进行处理，提取出一些高层次的特征，如人脸，建筑等等。

         映射到新的空间：什么傅里叶变换，，，，？？？？

         特征构造： 如要做材料分类，金属，木材，混凝土....等等。但原来属性只有什么体积、质量，则可以创建出密度属性。

 

二元化和离散化：

 

变量变换： 运用些函数变换属性，如绝对值，平方，对数，标准差...