1、数据预处理的基本方法

2、数据预处理的基本方法：

3、1.埋在粗糙集理论的约简方法中，粗糙集理论是一种研究不精确和不确定知识的数学工具。如今，KDD越来越重视它。利用粗糙集理论处理数据是一种非常有效的降低数据维数的方法。

4、2.基于概念树的数据集中方法。在数据库中，可以对许多属性进行分类，每个属性值和概念可以根据抽象程度形成层次结构。这种层次结构的概念通常被称为概念树。概念树一般由领域专家提供，它按照从一般到特殊的顺序排列各个层次的概念。

5、3.信息论与一般知识发现。特征知识和分类知识是一般知识的两种主要形式，其算法基本上可以分为两类：数据立方体法和面向属性归纳法。

6、4.基于统计分析的属性选择方法。统计分析中的一些算法可以用来选择特征属性，如主成分分析、逐步回归分析、公因子模型分析等。这些方法的共同特点是使用少量的特征元组来描述高维的原始知识库。

7、5.遗传算法(GA，Genetic Algo}thrn)，是一种基于生物进化和分子遗传学的全局随机搜索算法。遗传算法的基本思想是将一个问题的可能解以某种形式编码，形成染色体。随机选择n条染色体形成初始种群。然后根据预定的评价函数计算每个染色体的适应度值。选择适应度值高的染色体进行复制，通过遗传操作(选择、交叉、变异)产生一组对环境适应性更好的新染色体，形成新的种群。

本文到此结束，希望对大家有所帮助。

版权说明：本文由用户上传，如有侵权请联系删除！

标签：