1、數據預處理的基本方法

2、數據預處理的基本方法：

3、1.埋在粗糙集理論的約簡方法中，粗糙集理論是一種研究不精確和不確定知識的數學工具。如今，KDD越來越重視它。利用粗糙集理論處理數據是一種非常有效的降低數據維數的方法。

4、2.基于概念樹的數據集中方法。在數據庫中，可以對許多屬性進行分類，每個屬性值和概念可以根據抽象程度形成層次結構。這種層次結構的概念通常被稱為概念樹。概念樹一般由領域專家提供，它按照從一般到特殊的順序排列各個層次的概念。

5、3.信息論與一般知識發(fā)現。特征知識和分類知識是一般知識的兩種主要形式，其算法基本上可以分為兩類：數據立方體法和面向屬性歸納法。

6、4.基于統(tǒng)計分析的屬性選擇方法。統(tǒng)計分析中的一些算法可以用來選擇特征屬性，如主成分分析、逐步回歸分析、公因子模型分析等。這些方法的共同特點是使用少量的特征元組來描述高維的原始知識庫。

7、5.遺傳算法(GA，Genetic Algo}thrn)，是一種基于生物進化和分子遺傳學的全局隨機搜索算法。遺傳算法的基本思想是將一個問題的可能解以某種形式編碼，形成染色體。隨機選擇n條染色體形成初始種群。然后根據預定的評價函數計算每個染色體的適應度值。選擇適應度值高的染色體進行復制，通過遺傳操作(選擇、交叉、變異)產生一組對環(huán)境適應性更好的新染色體，形成新的種群。

本文到此結束，希望對大家有所幫助。

版權說明：本文由用戶上傳，如有侵權請聯系刪除！

標簽：