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;