数据挖掘--数据预处理--抽样与降维
2019-01-22 23:48
30 查看
版权声明:梁少所有,转载请备注 https://blog.csdn.net/u010592321/article/details/86603425
数据挖掘–数据预处理–抽样、降维与变量变换
1、抽样
最简单的是简单随机抽样,simple random sampling,对于这种抽样,选取任何特定项的概率是一样的。
两种变形,无放回抽样和放回抽样
当总体由不同类型的队形组成,每种类型的对象数量差别很大时,简单随机抽样不能充分地代表不太频繁出现的对象类型。当分析需要所有类型的代表时,可能出现问题。这时候需要一种对不同频率数据感兴趣的抽样方案,这就是分层抽样。
分层抽样是从预先指定的组开始抽样,在最简单的情况下,尽管每组的大小不同,大师从me组抽取的对象个数相同。或者是从一组抽取的对象数量正比于改组的大小。……此处获取可以用栅格聚类
2、降维
降维也叫"维归约",最常用的方法是"线性代数技术",将数据从高维投影到低维空间,特别是对于连续数据。常见的是主成分分析PCA和奇异值分解SVD。都是用了线性代数技术。
3、变量变换
3.1 标准化 standardization
3.2 规范化 normalization
相关文章推荐
- python数据分析与挖掘学习笔记(2)-淘宝商品数据清洗及预处理
- 用Python进行数据挖掘(数据预处理)
- 数据挖掘数据预处理之:异常值检测
- 数据挖掘之降维
- 数据预处理和weka.filters的使用--数据挖掘学习和weka使用
- 用Python进行数据挖掘(数据预处理)(转载)
- 数据挖掘:R语言实战(抽样)
- weka数据挖掘之预处理
- 【数据挖掘】【笔记】数据预处理之类别特征编码
- Python数据分析与挖掘实战第四章笔记之数据预处理
- 《数据挖掘与商务分析R语言》-1-数据预处理-R语言-Lattice包-条形图
- Python数据挖掘入门与实践(二)——scikit-learn数据的预处理转换器以及流水线
- Python数据分析与挖掘实战(数据预处理)
- 3.数据挖掘概念笔记——数据预处理
- 数据挖掘-数据预处理模块
- JAVA xml 流方式读取。数据挖掘大文件预处理。
- 数据预处理和weka.filters的使用--数据挖掘学习和weka使用(三)
- 数据挖掘之数据预处理
- 【Python数据挖掘课程】七.PCA降维操作及subplot子图绘制
- Python数据挖掘课程 七.PCA降维操作及subplot子图绘制