大话机器学习之数据预处理与数据筛选
数据挖掘和机器学习这事，其实大部分时间不是在做算法，而是在弄数据，毕竟算法往往是现成的，改变的余地很小。
数据预处理的目的就是把数据组织成一个标准的形式。
1.归一化
归一化通常采用两种方法。
a.最简单的归一化，最大最小值映射法
P_New=(P-MI)/（MA-MI）
P是原始数据，MI是这一属性中的最小值，MA是这一属性中的最大值。这样处理之后，所有的值都会限定在0-1之间。
b.标准差标准化
P_New=（P-AVG(P)）/SD(P)
其中AVG（P）为变量均值，SD(P)为标准差.
这个方法还有一个好处，就是当你发现如此处理之后，有的数字很离奇，就可以认为是异常值，直接剔除。
2、离散化
如果你的数值是连续的，有时候不是那么好处理，比如年龄。往往把数字离散成小孩，少年，青年等等更加有意义。
3、缺失值问题
这个首先要考虑缺失值的多少，如果过多，不如直接删除属性；如果在可接受范围内，则利用平均值、最大值或者别的适合的方案来补充。
当然还有一种方法，先用方法1对不缺失的记录建模，然后用该方法预测缺失值；然后用方法2最终建模。当然，这里存在许多问题，比如方法一的准确度、方法1和方法2使用同一种方法的时候产生的信息冗余。
4、异常数据点
实际的数据集有很多是异常数据，可能是由于录入错误或者采集中受到干扰等因素产生的错误数据。通常剔除异常数据的方法最常用的有如下两种。
寻找附近的点，当最近的点的距离大于某一个阈值的时候，就认为是异常点。当然也可以在限定距离内，包含的数据点少于某个数目的时候认为是异常点。
前者是基于距离，后者是基于密度。当然，还可以把两者结合，指定距离的同时也指定数目，这叫做COF。
5、数据的筛选
我们在预处理好数据之后，有时候数据的维度是很大的，出于经济性考虑，当然，需要降维或者特征选择。有时候降为和特征选择也会增加准确度。
降维通常使用PCA，主成分分析。直观上，就是把几个变量做线性组合，变成一个变量；特征选择则比较简单，就是选择相关性强的特征。
当然，PCA其实设计到矩阵的奇异值分解，具体的数学原理就不展开了。
数据分析咨询请扫描二维码
在准备数据分析师面试时，掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸，以下是10个高频考题及其详细解析，外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业，他们通过数据挖掘和分析，为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中，数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析，更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来，数据驱动的决策方式开始受到越来越多企业的青睐。近年来，数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里，表面上的技术操作只是“入门票”，而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域，尽管行业前景广阔、岗位需求旺盛，但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时，常常被各 ...
2024-12-19入门数据分析，许多人都会感到“难”，但这“难”究竟难在哪儿？对于新手而言，往往不是技术不行，而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下，数据分析师的职业前景虽然面临一些挑战，但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代，数据分析师如同探险家，在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力，还需要一种艺术家 ...
2024-12-19在当今信息化社会，大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生，旨在培养具备扎实理论基础和实践能力，能够应 ...
2024-12-19阿里P8、P9失业都找不到工作？是我们孤陋寡闻还是世界真的已经“癫”成这样了？ 案例一：本硕都是 985，所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的，专业是旅游管理，非计算机非统计学。毕业之 ...
2024-12-18最近，知乎上有个很火的话题：“一个人为何会陷入社会底层”？ 有人说，这个世界上只有一个分水岭，就是“羊水”；还有人说，一 ...
2024-12-18在这个数据驱动的时代，数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力，还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代，数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出，除了热情和毅力外，你还需要掌握 ...
2024-12-17数据分析，是一项通过科学方法处理数据以获取洞察并支持决策的艺术。无论是在商业环境中提升业绩，还是在科研领域推动创新，数据 ...
2024-12-17在数据分析领域，图表是我们表达数据故事的重要工具。它们不仅让数据变得更加直观，也帮助我们更好地理解数据中的趋势和模式。相 ...
2024-12-16在当今社会，我们身处着一个飞速发展、变化迅猛的时代。不同行业在科技进步、市场需求和政策支持的推动下蓬勃发展，呈现出令人瞩 ...
2024-12-16在现代商业世界中，数据分析师扮演着至关重要的角色。他们通过解析海量数据，为企业战略决策提供有力支持。要有效完成这项任务， ...
2024-12-16在当今数据爆炸的时代，数据分析师是组织中不可或缺的导航者。他们通过从大量数据中提取可操作的洞察力，帮助企业在竞争激烈的市 ...
2024-12-16
