大數據的預處理

一：爲什麼要預處理數據？ （1）現實世界的數據是骯髒的（不完整，含噪聲，不一致） （2）沒有高質量的數據，就沒有高質量的挖掘結果（高質量的決策必須依賴於高質量的數據；數據倉庫需要對高質量的數據進行一致地集成） （3）原始數據中存在的問題： 不一致 —— 數據內含出現不一致情況 重複 不完整 —— 感興趣的屬性沒有 含噪聲 —— 數據中存在着錯誤、或異常（偏離期望值）的數據 高維度 二：數據預處理的

>>阅读原文<<