摘要：
特征工程 数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。 拿到一份新的数据，需要对特征进行一定的处理使其变成我们可用的数据，具体应该怎么做呢？下面是我整理的分析思路。 特征使用方案 拿到数据之前，需要结合业务经验、市场预分析对数据里需要使用的特征进行预筛选，初步确定对因变量可能有影响 阅读全文
摘要：
今世界数据库容易受到噪声、缺失值、不一致数据困扰，低质量数据会导致低质量的挖掘结果。 数据集成 将数据由多个数据源合并成一个一致的数据存储 数据规约可以通过将聚集删除荣誉特征或者聚类来降低数据大规模。 数据质量：数据的准确性、完整性、一致性、时效性、可信性、可解释性 不完整的：缺少属性值或者某些感兴 阅读全文