新建
上传
首页
助手
最?/div>
资料?/div>
工具

数据挖掘实验一数据预处?/p>

 

1 / 5 

实验一?/p>

 

数据预处?/p>

 

学院

 

计算机科学与软件学院

  

 

?/p>

 

实验目的?/p>

 

?/p>

1

)熟?/p>

 VC++

编程工具和完全数据立方体构建、联机分析处理算法?/p>

 

?/p>

2

)浏览拟被处理的的数据,发现各维属性可能的噪声、缺失值、不一?/p>

 

性等,针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法?/p>

 

?/p>

3

)用

 VC++

编程工具编写程序,实现数据清理、数据变换、数据集成等?/p>

 

能?/p>

 

?/p>

4

)调试整个程序获得清洁的、一致的、集成的数据,选择适于全局优化

 

的参数?/p>

 

?/p>

 

实验原理?/p>

  

1 

、数据预处理

 

现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰,为

 

提高数据质量进而提高挖掘结果的质量,产生了大量数据预处理技术。数据预?/p>

 

理有多种方法:数据清理,数据集成,数据变换,数据归约等。这些数据处理技

 

术在数据挖掘之前使用,大大提高了数据挖掘模式的质量,降低实际挖掘所需?/p>

 

的时间?/p>

 

2 

、数据清?/p>

 

数据清理例程通过填写遗漏的值,平滑噪音数据,识别、删除离群点,并?/p>

 

决不一致来“清理”数据?/p>

 

3 

、数据集?/p>

 

数据集成

 

数据集成将数据由多个源合并成一致的数据存储,如数据仓库或数据立?/p>

 

体?/p>

 

4 

、数据变?/p>

 

通过平滑聚集,数据概化,规范化等方式将数据转换成适用于数据挖掘的?/p>

 

式?/p>

 

5 

、数据归?/p>

 

使用数据归约可以得到数据集的压缩表示,它小得多,但能产生同样(或?/p>

 

乎同样的)分析结果。常用的数据归约策略有数据聚集、维归约、数据压缩和?/p>

 

字归约等?/p>

 

三?/p>

 

实验内容?/p>

 

1 

、主要代码及注释

 

头文?/p>

 

#include<iostream> 

#include<string> 

#include<fstream> 

#include<algorithm> 

using namespace std; 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

数据挖掘实验一数据预处?/p>

 

1 / 5 

实验一?/p>

 

数据预处?/p>

 

学院

 

计算机科学与软件学院

  

 

?/p>

 

实验目的?/p>

 

?/p>

1

)熟?/p>

 VC++

编程工具和完全数据立方体构建、联机分析处理算法?/p>

 

?/p>

2

)浏览拟被处理的的数据,发现各维属性可能的噪声、缺失值、不一?/p>

 

性等,针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法?/p>

 

?/p>

3

)用

 VC++

编程工具编写程序,实现数据清理、数据变换、数据集成等?/p>

 

能?/p>

 

?/p>

4

)调试整个程序获得清洁的、一致的、集成的数据,选择适于全局优化

 

的参数?/p>

 

?/p>

 

实验原理?/p>

  

1 

、数据预处理

 

现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰,为

 

提高数据质量进而提高挖掘结果的质量,产生了大量数据预处理技术。数据预?/p>

 

理有多种方法:数据清理,数据集成,数据变换,数据归约等。这些数据处理技

 

术在数据挖掘之前使用,大大提高了数据挖掘模式的质量,降低实际挖掘所需?/p>

 

的时间?/p>

 

2 

、数据清?/p>

 

数据清理例程通过填写遗漏的值,平滑噪音数据,识别、删除离群点,并?/p>

 

决不一致来“清理”数据?/p>

 

3 

、数据集?/p>

 

数据集成

 

数据集成将数据由多个源合并成一致的数据存储,如数据仓库或数据立?/p>

 

体?/p>

 

4 

、数据变?/p>

 

通过平滑聚集,数据概化,规范化等方式将数据转换成适用于数据挖掘的?/p>

 

式?/p>

 

5 

、数据归?/p>

 

使用数据归约可以得到数据集的压缩表示,它小得多,但能产生同样(或?/p>

 

乎同样的)分析结果。常用的数据归约策略有数据聚集、维归约、数据压缩和?/p>

 

字归约等?/p>

 

三?/p>

 

实验内容?/p>

 

1 

、主要代码及注释

 

头文?/p>

 

#include<iostream> 

#include<string> 

#include<fstream> 

#include<algorithm> 

using namespace std; 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

数据挖掘实验一数据预处?/p>

 

1 / 5 

实验一?/p>

 

数据预处?/p>

 

学院

 

计算机科学与软件学院

  

 

?/p>

 

实验目的?/p>

 

?/p>

1

)熟?/p>

 VC++

编程工具和完全数据立方体构建、联机分析处理算法?/p>

 

?/p>

2

)浏览拟被处理的的数据,发现各维属性可能的噪声、缺失值、不一?/p>

 

性等,针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法?/p>

 

?/p>

3

)用

 VC++

编程工具编写程序,实现数据清理、数据变换、数据集成等?/p>

 

能?/p>

 

?/p>

4

)调试整个程序获得清洁的、一致的、集成的数据,选择适于全局优化

 

的参数?/p>

 

?/p>

 

实验原理?/p>

  

1 

、数据预处理

 

现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰,为

 

提高数据质量进而提高挖掘结果的质量,产生了大量数据预处理技术。数据预?/p>

 

理有多种方法:数据清理,数据集成,数据变换,数据归约等。这些数据处理技

 

术在数据挖掘之前使用,大大提高了数据挖掘模式的质量,降低实际挖掘所需?/p>

 

的时间?/p>

 

2 

、数据清?/p>

 

数据清理例程通过填写遗漏的值,平滑噪音数据,识别、删除离群点,并?/p>

 

决不一致来“清理”数据?/p>

 

3 

、数据集?/p>

 

数据集成

 

数据集成将数据由多个源合并成一致的数据存储,如数据仓库或数据立?/p>

 

体?/p>

 

4 

、数据变?/p>

 

通过平滑聚集,数据概化,规范化等方式将数据转换成适用于数据挖掘的?/p>

 

式?/p>

 

5 

、数据归?/p>

 

使用数据归约可以得到数据集的压缩表示,它小得多,但能产生同样(或?/p>

 

乎同样的)分析结果。常用的数据归约策略有数据聚集、维归约、数据压缩和?/p>

 

字归约等?/p>

 

三?/p>

 

实验内容?/p>

 

1 

、主要代码及注释

 

头文?/p>

 

#include<iostream> 

#include<string> 

#include<fstream> 

#include<algorithm> 

using namespace std; 

Ͼλ">
Ͼλ
Ŀ

数据挖掘实验一数据预处?- 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

数据挖掘实验一数据预处?/p>

 

1 / 5 

实验一?/p>

 

数据预处?/p>

 

学院

 

计算机科学与软件学院

  

 

?/p>

 

实验目的?/p>

 

?/p>

1

)熟?/p>

 VC++

编程工具和完全数据立方体构建、联机分析处理算法?/p>

 

?/p>

2

)浏览拟被处理的的数据,发现各维属性可能的噪声、缺失值、不一?/p>

 

性等,针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法?/p>

 

?/p>

3

)用

 VC++

编程工具编写程序,实现数据清理、数据变换、数据集成等?/p>

 

能?/p>

 

?/p>

4

)调试整个程序获得清洁的、一致的、集成的数据,选择适于全局优化

 

的参数?/p>

 

?/p>

 

实验原理?/p>

  

1 

、数据预处理

 

现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰,为

 

提高数据质量进而提高挖掘结果的质量,产生了大量数据预处理技术。数据预?/p>

 

理有多种方法:数据清理,数据集成,数据变换,数据归约等。这些数据处理技

 

术在数据挖掘之前使用,大大提高了数据挖掘模式的质量,降低实际挖掘所需?/p>

 

的时间?/p>

 

2 

、数据清?/p>

 

数据清理例程通过填写遗漏的值,平滑噪音数据,识别、删除离群点,并?/p>

 

决不一致来“清理”数据?/p>

 

3 

、数据集?/p>

 

数据集成

 

数据集成将数据由多个源合并成一致的数据存储,如数据仓库或数据立?/p>

 

体?/p>

 

4 

、数据变?/p>

 

通过平滑聚集,数据概化,规范化等方式将数据转换成适用于数据挖掘的?/p>

 

式?/p>

 

5 

、数据归?/p>

 

使用数据归约可以得到数据集的压缩表示,它小得多,但能产生同样(或?/p>

 

乎同样的)分析结果。常用的数据归约策略有数据聚集、维归约、数据压缩和?/p>

 

字归约等?/p>

 

三?/p>

 

实验内容?/p>

 

1 

、主要代码及注释

 

头文?/p>

 

#include<iostream> 

#include<string> 

#include<fstream> 

#include<algorithm> 

using namespace std; 



ļ׺.doc޸Ϊ.docĶ

  • ⼰
  • ƻԾ
  • ֻԷ
  • һָϰ¼¼ʡ
  • ѧϰ
  • ̲Ĺɡ
  • ຣʡ칫ӡຣʡԴԴͳ
  • ѧԭ2015
  • ɽʡȫලֹڹ淶ļ֪ͨ
  • Ӽʵ顷ָ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)