常用的數據預處理方法是:
1、墓于粗糙集理論的約簡方法。粗糙集理論是一種研究不精确、不确定性知識的數學工具。
2、基于概念樹的數據濃縮方法。在數據庫中,許多屬性都是可以進行數據歸類,各屬性值和概念依據抽象程度不同可以構成一個層次結構,概念的這種層次結構通常稱為概念樹。
3、信息論思想和普化知識發現。特征知識和分類知識是普化知識的兩種主要形式,其算法基本上可以分為兩類:數據立方方法和面向屬性歸納方法。
4、基于統計分析的屬性選取方法。可以采用統計分析中的一些算法來進行特征屬性的選取,比如主成分分析、逐步回歸分析、公共因素模型分析等。
5、遺傳算法。遺傳算法是一種基于生物進化論和分子遺傳學的全局随機搜索算法。遺傳算法的基本思想是:将問題的可能解按某種形式進行編碼,形成染色體。
更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!