统计学之家

举例说明什么是简单线性模型与对数线性模型 简单线性模型和对数线性模型可以用来近似描述给定的数据。（简单）线性模型对数据建模，使之拟合一条直线。 以下介绍一个简单线性模型的例子，对对数线性模型只进行简单...

在数据挖掘的过程中，为了提取更有用的信息，挖掘更深层次的模式，提高挖掘结果的精度，我们需要利用已有的属性集构造出新的属性，并加入到现有的属性集合中。 比如，进行防窃漏电诊断建模时，已有的属性包括供入电...

连续属性离散化的方法：等宽法、等频法和（一维）聚类 常用的离散化方法有等宽法、等频法和（一维）聚类。 （1）等宽法 将属性的值域分成具有相同宽度的区间，区间的个数由数据本身的特点决定，或者由用户指定，...

连续属性离散化：什么意思、离散过程 一些数据挖掘算法，特别是某些分类算法（如ID3算法、Apriori算法等），要求数据是分类属性形式。这样，常常需要将连续属性变换成分类属性，即连续属性离散化。 离散...

小数定标规范化：什么意思、转化公式 通过移动属性值的小数位数，将属性值映射到之间，移动的小数位数取决于属性值绝对值的最大值。 转化公式为：

标准差标准化：什么意思、转化公式 零-均值规范化也称标准差标准化，经过处理的数据的均值为0，标准差为1。 转化公式为： 其中x为原始数据的均值，σ为原始数据的标准差，是当前用得最多的数据标准化方法。

什么是离差标准化：转换公式、优点缺点 最小-最大规范化也称为离差标准化，是对原始数据的线性变换，将数值值映射到之间。 转换公式如下： 其中，max为样本数据的最大值，min为样本数据的最小值。max-...

数据规范化（归一化）：什么意思 数据规范化（归一化）处理是数据挖掘的一项基础工作。 不同评价指标往往具有不同的量纲，数值间的差别可能很大，不进行处理可能会影响到数据分析的结果。 为了消除指标之间的量纲...

数据挖掘-简单函数变换：什么意思 简单函数变换是对原始数据进行某些数学函数变换，常用的变换包括平方、开方、取对数、差分运算等，即： 简单的函数变换常用来将不具有正态分布的数据变换成具有正态分布的数据。...

数据集成过程中导致数据冗余：如何识别 数据集成往往导致数据冗余，例如， 1）同一属性多次出现； 2）同一属性命名不一致导致重复。 仔细整合不同源数据能减少甚至避免数据冗余与不一致，从而提高数据挖掘的速...

数据集成-实体识别的形式：同名异义、异名同义 数据挖掘需要的数据往往分布在不同的数据源中，数据集成就是将多个数据源合并存放在一个一致的数据存储（如数据仓库）中的过程。 实体识别是指从不同数据源识别出现...

异常值处理方法之一：直接删除的优点缺点 将含有异常值的记录直接删除的方法简单易行，但缺点也很明显，在观测值很少的情况下，这种删除会造成样本量不足，可能会改变变量的原有分布，从而造成分析结果的不准确。视...

python异常值处理的常用方法 在数据预处理时，异常值是否剔除，需视具体情况而定，因为有些异常值可能蕴含着有用的信息。异常值处理常用方法见表1-1。 表1-1　异常值处理常用方法  

拉格朗日插值法与牛顿插值法的区别 牛顿插值法也是多项式插值，但采用了另一种构造插值多项式的方法，与拉格朗日插值相比，具有承袭性和易于变动节点的特点。 从本质上来说，两者给出的结果是一样的（相同次数、相...

python处理缺失值的方法：包括删除记录、数据插补 处理缺失值的方法可分为3类：删除记录、数据插补和不处理。 如果通过简单的删除小部分记录达到既定的目标，那么删除含有缺失值的记录的方法是最有效的。然...

什么是判定系数：r2的取值范围 判定系数是相关系数的平方，用r 2 表示；用来衡量回归方程对y的解释程度。 判定系数取值范围： 0≤r 2 ≤1。 r 2 越接近于1，表明x与y之间的相关性越强； r...

举例说明什么是贡献度分析 贡献度分析又称帕累托分析，它的原理是帕累托法则，又称20/80定律。同样的投入放在不同的地方会产生不同的效益。 例如，对一个公司来讲，80%的利润常常来自于20%最畅销的产品...