大数据边缘数据挖掘数据预处理重点基础知识点_第1页
大数据边缘数据挖掘数据预处理重点基础知识点_第2页
大数据边缘数据挖掘数据预处理重点基础知识点_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

大数据边缘数据挖掘数据预处理重点基础知识点一、大数据边缘数据挖掘概述1.1大数据边缘数据挖掘的定义1.2大数据边缘数据挖掘的意义大数据边缘数据挖掘有助于提高数据处理的效率，降低延迟，实现实时决策，同时也有助于发现新的业务模式和优化现有业务流程。1.3大数据边缘数据挖掘的应用领域大数据边缘数据挖掘广泛应用于物联网、智能交通、智慧城市、工业自动化等领域。二、数据预处理重点2.1数据清洗数据清洗是数据预处理的第一步，主要包括去除重复数据、处理缺失值、修正错误数据等。2.2数据集成数据集成是将来自不同源的数据进行整合，以便于后续的数据挖掘和分析。2.3数据转换数据转换包括数据类型转换、数据规范化、数据归一化等，目的是使数据满足挖掘算法的要求。三、基础知识点3.1数据清洗a.去除重复数据：通过比较数据记录的唯一标识，删除重复的数据记录。b.处理缺失值：根据数据缺失的程度和重要性，采用填充、删除或插值等方法处理缺失值。c.修正错误数据：对错误数据进行识别和修正，提高数据质量。d.数据一致性检查：确保数据在各个维度上的一致性。3.2数据集成a.数据源识别：确定数据来源，包括内部数据和外部数据。b.数据映射：将不同数据源中的数据映射到统一的数据模型。c.数据转换：将不同数据源的数据格式转换为统一的格式。d.数据质量检查：确保集成后的数据质量。3.3数据转换a.数据类型转换：将不同数据类型的数据转换为统一的类型，如将字符串转换为数值类型。b.数据规范化：将数据按照一定的规则进行缩放，如将年龄数据转换为0100的数值范围。c.数据归一化：将数据按照一定的比例进行缩放，如将收入数据转换为01的数值范围。d.特征工程：根据数据挖掘任务的需求，对数据进行特征提取和选择。四、大数据边缘数据挖掘在当前信息化时代具有重要意义，而数据预处理作为数据挖掘的基础环节，对数据质量有着直接的影响。通过对数据清洗、数据集成和数据转换等基础知识的掌握，可以提高数据挖掘的效率和准确性。在实际应用中，应根据具体场景和数据特点，选择合适的数据预处理方法，为后续的数据挖掘和分析提供高质量的数据支持。[1]，.大数据边缘数据挖掘研究[J].计算机科学与应用，2018，8（2）：123128.[2]，赵六.数据预处理在数据挖掘中的应用研究[J].计算机技术与发展，2017，27（3）：4550.[3]

人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论