数据归约

数据归约操作（删除行，列，值），需要考虑这些参数：

（1）计算时间：归约过后的简单数据，可减少数据挖掘的时间，但如果花太多时间在预处理阶段，也是难以承受的。

（2）预测、描述精度

（3）数据挖掘模型的描述

数据归约算法的特性应有如下：

1.可测性：应用已归约的数据集能精确的确定近似结果的质量

2.可识别性：在应用数据挖掘程序之前，进行数据归约算法运行期间，很容易确定近似结果的质量

3.单一性：计算结果的质量是时间和输入数据质量的一个非递减的函数，因为算法往往都是迭代的

4.一致性：计算结果的质量与计算时间和输入数据的质量有关

5.收益递减：方案在计算的早期能获得大的改进，但随时间递减

6.可中断性：算法可以随时停止，并给出答案

7.优先权：算法可以暂停，并以最小的开销重新开始

特征归约处理的结果应该是：

（1）更少的数据，以便数据挖掘算法能更快的学习

（2）更高的数据挖掘处理精度，以便从数据中归纳出模型

（3）简单的数据挖掘处理结果，以方便使用

（4）更少的特征，以便在下一轮数据收集中，去除冗余或不想关的特征，减少工作量

要生成一组归约特征有两个标准任务：

1.特征选择：根据应用领域的知识和数据挖掘的目标，分析人员可以选择初始数据中的一个特征子集，特征选择的过程可以通过手动或一些自动化程序进行。

特征选择算法分两类：特征排列算法和子集选择算法。

特征排列算法根据特定的标准排列所有的特征

写不下去了，这本书后面都是数学啊。。。。。。。