【大数据入门】数据预处理惩罚·数据清算
https://i-blog.csdnimg.cn/blog_migrate/42fd7a9574bf0ac35e91847f09516821.jpeg个人主页：十二月的猫-CSDN博客
系列专栏： 《AI认知筑基三十讲》_十二月的猫的博客-CSDN博客
十二月的隆冬阻挡不了春天的脚步，十二点的黑夜掩藏不住黎明的曙光
目录
1. 前言
2. 为什么要举行数据预处理惩罚
2.1 预处理惩罚缘故原由
2.2 脏数据
2.3 数据预处理惩罚分类
1. 数据清算（Data Cleaning）
2. 数据集成（Data Integration）
3. 数据变换（Data Transformation）
4. 数据规约（Data Reduction）
2. 数据清算
2.1 数据添补
2.1.1 数据缺失的范例
1. 完全随机缺失（Missing Completely at Random, MCAR）
2. 随机缺失（Missing at Random, MAR）
3. 非随机缺失（Missing Not at Random, MNAR）
2.1.2 数据添补方法
2.2 处理惩罚噪声
2.2.1 分箱
2.2.2 回归
2.2.3 聚类
3. 总结
</
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]