数据预处理 数据预处理的四个步骤

一、logit如何定数据预处理规则

logit定数据预处理规则如下

1、对于应变量，主要是要转换成用0和1表示的数字逻辑。比如：是与不是、出现与不出现、满意与不满意等等，都要转化成用0和1表示。

2、对于自变量，主要是把一些定性的语义转换成数字表示。比如：针对GDP总量，按照高GDP、中GDP、低GDP和极低GDP，可以分别用4、3、2、1来表示。

二、数据净化常常指统计预处理对不对

就是说，对数据进行检验，看数据是否有缺失值、错误值等等。如果有错误值，要修正。有缺失，视情况插补。数据没有问题时，称为cleandata，即干净数据，然后才能进一步分析。否则，如果数据有问题，称为dirtydata

三、数据预处理的目的

数据预处理是指在主要的处理以前对数据进行的一些处理。

对大部分地球物理面积性观测数据在进行转换或增强处理之前，首先将不规则分布的测网经过插值转换为规则网的处理，以利于计算机的运算。

另外，对于一些剖面测量数据，如地震资料预处理有垂直叠加、重排、加道头、编辑、重新取样、多路编辑等。

现实世界中数据大体上都是不完整，不一致的脏数据，无法直接进行数据挖掘，或挖掘结果差强人意。

为了提高数据挖掘的质量产生了数据预处理技术。

数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。

数据清理例程通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。主要是达到错误纠正，重复数据的清除。

数据集成例程将多个数据源中的数据结合起来并统一存储，建立数据仓库的过程实际上就是数据集成。

数据变换通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。

数据归约是数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间。

数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。