Предварительная обработка данных является важным шагом в процессе интеллектуального анализа данных. Фраза «мусор на входе — мусор на выходе» применима, в частности, и для проектов интеллектуального анализа данных и машинного обучения. Здесь имеется в виду то, что даже самый изощренный анализ не принесет пользы, если за основу взяты сомнительные данные.
Необходимость Методы сбора данных часто плохо контролируются. Это приводит к появлению недопустимых значений (к примеру: доход, равный −100), комбинаций данных, которые невозможны (к примеру: «мужской пол при наличии беременности»), отсутствию значений и прочее. В результате анализа данных, которые не защищены от такого рода проблем, можно прийти к неверным выводам. Качество данных является первостепенной задачей при проведении анализа . Часто, предварительная обработка данных становится важной фазой проекта обучения машины. Это особенно касается процессов вычислительной биологии.
Во время тренировки машины, при большом количестве лишней информации, «зашумлённых» и недостоверных данных, извлечение знаний становится затруднительным. Этап подготовки и фильтрации данных может занять много времени. Предварительная подготовка данных включает в себя: очистку
нормализацию
выделение признаков отбор признаков и прочие манипуляции с данными.
Результатом предварительной обработки данных является конечный .
Методы Ниже приведено краткое описание методов, которые применяются на этапе предварительной обработки данных. Очистка данных используется для обнаружения, исправления или удаления ошибочных записей в наборе данных; Нормализация данных используется для стандартизации диапазона значений независимых переменных или признаков данных (например, сведение к интервалам [0, 1] или [-1, +1]); используется для приведения данных в формат, который ожидает аудитория; Выделение признаков используется для преобразования входных данных в набор признаков, которые они хорошо представляют; используется для преобразования числовых данных в исправленный, упорядоченный и упрощённый вид. Это помогает уменьшить количество и/или размерность данных.
См. также Очистка данных
Примечания
Литература
Ссылки Online Data Processing Compendium
Категория:Машинное обучение