<数据挖掘导论>读书笔记1

数据预处理：

1.聚集：将两个或者多个对象合并成单个对象。

2.抽样：一种选择数据对象子集进行分析的常用方法。抽象方法：简单随机抽样 和渐进抽样

3.维度约：我觉得翻译的不好，英文明细是降维。降维技术：1.PCA(Principal components Analysis)是一种用于连续属性的线性代数技术，它找出新的属性，这些属性是原属性的线性组合，是相互正交的，并且捕获了数据的最大变差。2.SVD(Singular Value Decomposition)

4.特征子集选择 a：嵌入方法 b：过滤方法 c：包装方法

5.特征创建：由原来的属性创建新的属性。a.特征提取 b.映射数据到新的空间 c.特征构造

6.离散化和二元化

离散化：将连续属性变换成分类属性

二元化：连续和离散属性变换成一个或者朵儿二元属性

7.变量变换：用户变量的所有值的变换

简单函数

规范化或者标准化

相似度和相异性的度量

1.简单属性之间的相似度和相异度

标称的

序数的

区间的或者比率的

2.数据对象之间的相异度

欧几里得距离

闵克夫斯基距离

3.数据对象之间的相似度

余弦相似度

Jaccard相似度

Bregman散度