數據預處理常見的幾種方法
數據預處理常見的幾種方法是：
1、墓於粗糙集( Rough Set)理論的約簡方法，粗糙集理論是一種研究不精確、不確定性知識的數學工具。現在受到了KDD的廣泛重視，利用粗糙集理論對數據進行處理是一種十分有效的精簡數據維數的方法。
2、基於概念樹的數據濃縮方法，在數據庫中，許多屬性都是可以進行數據歸類，各屬性值和概念依據抽象程度不同可以構成一個層次結構，概念的這種層次結構通常稱為概念樹。概念樹一般由領域專家提供，它將各個層次的概念按一般到特殊的順序排列。
3、信息論思想和普化知識發現，特徵知識和分類知識是普化知識的兩種主要形式，其算法基本上可以分為兩類：數據立方方法和麪向屬性歸納方法。
4、基於統計分析的屬性選取方法，可以採用統計分析中的一些算法來進行特徵屬性的選取，比如主成分分析、逐步迴歸分析、公共因素模型分析等。這些方法的共同特徵是，用少量的特徵元組去描述高維的原始知識基。
5、遺傳算法（GA，Genetic Algo}thrn)，遺傳算法是一種基於生物進化論和分子遺傳學的全局隨機搜索算法。遺傳算法的基本思想是：將問題的可能解按某種形式進行編碼，形成染色體。隨機選取N個染色體構成初始種羣。再根據預定的評價函數對每個染色體計算適應值。選擇適應值高的染色體進行復制，通過遺傳運算(選擇、交叉、變異)來產生一羣新的更適應環境的染色體，形成新的種羣。
