數(shù)據(jù)預(yù)處理：

1.聚集：將兩個或者多個對象合并成單個對象。

?2.抽樣：一種選擇數(shù)據(jù)對象子集進行分析的常用方法。抽象方法：簡單隨機抽樣?和漸進抽樣

3.維度約：我覺得翻譯的不好，英文明細是降維。降維技術(shù)：1.PCA(Principal components Analysis)是一種用于連續(xù)屬性的線性代數(shù)技術(shù)，它找出新的屬性，這些屬性是原屬性的線性組合，是相互正交的，并且捕獲了數(shù)據(jù)的最大變差。2.SVD(Singular Value Decomposition)

4.特征子集選擇?a：嵌入方法?b：過濾方法?c：包裝方法

5.特征創(chuàng)建：由原來的屬性創(chuàng)建新的屬性。a.特征提取 b.映射數(shù)據(jù)到新的空間?c.特征構(gòu)造

6.離散化和二元化

? 離散化：將連續(xù)屬性變換成分類屬性

? 二元化：連續(xù)和離散屬性變換成一個或者朵兒二元屬性

7.變量變換：用戶變量的所有值的變換

簡單函數(shù)

規(guī)范化或者標準化

?

相似度和相異性的度量

1.簡單屬性之間的相似度和相異度

標稱的

序數(shù)的

區(qū)間的或者比率的

?

2.數(shù)據(jù)對象之間的相異度

歐幾里得距離

閔克夫斯基距離

3.數(shù)據(jù)對象之間的相似度

余弦相似度

Jaccard相似度

Bregman散度

?

轉(zhuǎn)載于:https://www.cnblogs.com/davidwang456/p/9662496.html

總結(jié)

以上是生活随笔為你收集整理的数据挖掘导论读书笔记1的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。