算法：数据预处理

原因：数据存在噪声，数据缺失值，数据不一致，数据库庞大，异种数据源等问题。 目的：解决上述问题，提高数据挖掘的质量。 方法：数据清理，数据集成，数据归约，数据变换和数据离散化。 数据质量：准确性、完整性、一致性、时效性、可信性，可解释性。 一、数据清理 1.    缺失值：许多元组的属性没记录值（可能缺失，可能故意留白后期填写。） （1）忽略元组：适用于元组有多个缺少值，每个属性缺失值的百分比变化

>>阅读原文<<