大数据处理之道(预处理方法）

一：为何要预处理数据？ （1）现实世界的数据是肮脏的（不完整，含噪声，不一致） （2）没有高质量的数据，就没有高质量的挖掘结果（高质量的决策必须依赖于高质量的数据；数据仓库须要对高质量的数据进行一致地集成） （3）原始数据中存在的问题： 不一致 —— 数据内含出现不一致状况 重复 不完整 —— 感兴趣的属性没有 含噪声 —— 数据中存在着错误、或异常（偏离指望值）的数据 高维度 二：数据预处理的方

>>阅读原文<<