预处理复习笔记2

1.怎么样为属性填上缺失值？

（1）忽略元组 （2）人工填写缺失值 （3）使用一个全局常量填充缺失值 （4）使用属性的中心度量（如均值或中位数）填充缺失值 （5）使用与给定元组属同一类的所有样本的属性值或中位数（6）使用最可能的值填充缺失值

2.噪声数据

噪声是被测量变量的随机误差或方差

3.数据变换策略包括6种

（1）光滑 （2）属性构造 （3）聚集 （4）规范化 （5）离散化 （6）有标称数据产生分层概念

4.数据规约策略包括：

维规约、数量规约、数据压缩

5。属性子集选择：

属性子集选择通过删除不相关或冗余的属性（或维）减少数据量

6.数据行：

数据以数据行的形式沿着步骤移动，一个数据行是零到多个字段的集合

7.数据清理的步骤

（1）计算器 （2）字符串替换 （3）字符串操作 （4）字符串剪切 （5）拆分字段 （6）值映射（7）字段现在（8）去除重复记录

8.字段清理：

拆分字段成多行、拆分字段、合并字段、字段选择

9.与转换的步骤相比作业项有3点不同：

（1）有影子复制 （2）作业项之间传递一个结果对象 （3）可以并行执行

10.回溯：

回溯算法就是假设执行到一条路径的某个节点，要依次执行这个节点的所有子路径，直到没有可执行的子路径时返回上一个节点，再反复这个过程

11.数据仓库：

是一个面向主题的、集成的、相对稳定反映·历史变化的数据集合，用于支持鼓励决策和信息的全局共享，它主要由维度表和事实表组成

Pandas非常适用于以下几种类型的数据。

(1)表格型的数据，(2)有序或无序的时间序列数据。(3 )带有行和列标签的矩阵数据。(4)各种统计、观测数据集。

维度表：主要存放基础属性；事实表：主要存放各个业务数据