数据清理

数据存在的问题：不完整，有噪声，不一致
解决方法：填充缺失值，光滑噪声并识别离群值，纠正数据中的不一致

缺失值
1.忽略元组，适用于多个属性缺失
2.人工填写
3.使用一个全局常量填写，如：“Unknown”，“-∞”
4.使用属性的中心度量填充，对称的数据分布用均值，倾斜数据分布用中位数
5.使用与给定元组同一类的所有样本的均值或中位数
6.使用回归或贝叶斯形式化方法推理（最流行）

噪声数据
噪声：被测变量的随机误差或方差
分箱：用箱均值光滑，用箱边界光滑

回归：用一个函数来拟合数据，实现光滑
离群值分析：聚类中，落在簇之外的值视为离群值