python数据挖掘——数据预处理

版权声明：未经同意窃取和转载我的内容，如果涉及到权益问题，后果自负！ https://blog.csdn.net/weixin_41605937/article/details/84927922

在数据挖掘中 海量的数据存在大量的不完整（有缺失值）、不一致 有异常的数据，严重影响到数据的挖掘的建模过程执行的效率。甚至导致挖掘的数据结果偏差甚大。数据挖掘预处理的过程中主要包括：数据清洗，数据集成，数据变换，数据规约。

处理过程如图：

4.1 数据的清洗主要是对原始数据集中的无关数据 重复数据 平滑噪声数据 筛选掉与挖掘数据无关的数据，处理缺失值、异常值等。

4.1.1 缺失值得处理：包括三张方式：1 删除记录 2 数据补差 3 不处理：

重点介绍拉格朗日插值法 牛顿插值法 还有Hermite插值法 分段插值 样条插值法。