数据预处理

数据清洗

（1）缺失值（忽略，中心趋势度量，该类中心趋势度量，人工填写，使用全局变量填充 ，使用最可能的值填充）

（2）离群点：数据光滑（分箱 （中位数光滑，极值光滑，均值光滑），回归，离群点检测：聚类）

数据集成

（1）实体识别

（2）冗余相关分析（标称数据 ：卡方检验  数值型：协方差，相关系数）

（3）元组重复

（4）数据值冲突检测处理

数据归约

（1）维归约（小波分析，PCA主成分分析，属性子集选择，回归和对数线性模型）

（2）数值归约（聚类，直方图，抽样（SRSWOR，SRSWR，簇抽样，分层抽样））

（3）数据压缩

数据变换与离散化

（1）数据变换：规范化（光滑，聚集，离散化，最大值最小值，zscore）

（2）离散化：分箱，直方图，聚类，决策树，相关分析（chimerge）