摘要：
1.数据集成需考虑的问题 a.模式集成和对象匹配 b.冗余。原因一：能够用一个或一组属性导出，原因二：属性或维命名的不一致。 2.属性冗余的相关分析检测 a.数值属性计算相关系数 说明：n为元祖个数，ai,bi分别为元祖i中属性A,B的值。-A,-B分别为A和B的均值，然后是A,B的标准差，然后是A 阅读全文
摘要：
1.数据清理清理什么。 缺失值，噪声，纠正数据的不一致 2.清理噪声的方法 a.分箱。对象是有序的数据。可以用箱的均值，中位数，箱边界光滑（箱中的每一个值都被据它最近的边界值代替）。 b.回归。用一个函数拟合数据进行光滑。 c.聚类。 3.数据清理作为一个过程 a.偏差检测（第一步检测。主要解决不一 阅读全文