数据挖掘中对噪声数据的处理主要有
1、分箱法
通过考察数据的周围值来光滑有序数据的值。
例子：
假定箱子大小：3
4,8,15
用均值进行光滑：
9,9,9
用边界光滑（用距离最近的值替换原值）：
4,4,15
2、回归
用一个函数拟合数据来光滑数据。主要有线性拟合和多远线性拟合等。
拟合：形象的说，就是用一个曲线将平面上的点连接起来。
拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们，插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。（引自百度百科http://baike.baidu.com/view/1148275.htm）
3、聚类
通过聚类将类似的值组织成群或者簇，可以直观检测离群点。
摘自：《数据挖掘-概念与技术》
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
