數據清洗“衡水杯”一等獎_第1頁
數據清洗“衡水杯”一等獎_第2頁
數據清洗“衡水杯”一等獎_第3頁
數據清洗“衡水杯”一等獎_第4頁
數據清洗“衡水杯”一等獎_第5頁
已閱讀5頁，還剩4頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

數據清洗數據清洗定義數據清洗是指發現并糾正數據文件中可識別的錯誤的最后一道程序，包括檢查數據一致性，處理無效值和缺失值等。數據清洗臟數據臟數據指粗糙數據中由于缺少信息而造成的數據的聚類、分組、刪失或截斷方法用錯或者其它原因導至計算錯誤，阻止信息返回正確值缺失值錯誤值重復值出現完全相同的數據數據清洗原理數據清洗原理：利用有關技術如數理統計、數據挖掘或預定義的清理規則將臟數據轉化為滿足數據質量要求的數據同一值的不同表示臟數據數據清洗策略、規則滿足要求的數據不合法值空值拼寫錯誤命名習慣統計技術挖掘技術重復值異常檢查數據清洗處理流程數據清洗2.去除/補全缺失值3.去除/修改內容錯誤數據1.數據預處理6.關聯性驗證5.去除不需要的數據4.去除/修改邏輯錯誤數據數據清洗具體處理缺失值處理：大多數情況下，缺失的值必須手工填入（即手工清理）。當然，某些缺失值可以從本數據源或其它數據源推導出來，這就可以用平均值、最大值、最小值或更為復雜的概率估計代替缺失的值，從而達到清理的目的錯誤值的檢測及處理：用統計分析的方法識別可能的錯誤值或異常值，如偏差分析、識別不遵守分布或回歸方程的值，也可以用簡單規則庫（常識性規則、業務特定規則等）檢查數據值，或使用不同屬性間的約束、外部的數據來檢測和清理數據。數據清洗具體處理重復值的檢測及處理：數據庫中屬性值相同的記錄被認為是重復記錄，通過判斷記錄間的屬性值是否相等來檢測記錄是否相等，相等的記錄合并為一條記錄（即合并/清除)。合并/清除是消重的基本方法。不一致性的檢測及處理：從多數據源集成的數據可能有語義沖突，可定義完整性約束用于檢測不一致性，也可通過分析數據發現聯系，從而使得數據保持一致。數據清洗數據清洗工具工具數據遷移工具允許指定簡單的轉換規則數

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論