數據清洗
對於缺失值的處理,我們分為3類:刪除數據,數據插補,不處理.數據的插值是取前后相鄰幾個數據的平均值作為插值,有拉格朗日插值法,牛頓插值法等.
數據規范化
數據規范化對於基於距離的挖掘算法很重要,將數據映射到0-1之間,或者-1-1之間.主要的方法有:最小-最大規范化,零-均值規范化,小數定標規范化
連續屬性離散化
對於一些分類算法,如ID3算法和Apriori算法等,要求數據是分類形式.常用的方法有:等款法,等頻法,基於聚類分析的方法(K-means).
屬性構造
為了提取更有用的數據,提高挖掘的精度,需要再已有的數據集構造出新的屬性特征,例如偷電漏電模型中構造出的線損率屬性特征.