数据挖掘——数据的准备

1、数据的收集

2、数据抽样 ：注意其代表性和随机性

代表性指的是样本与总体的接近程度；随机性反映样本被抽中纯属偶然

例如：在对总体质量状况一无所知的情况下，采用简单随机抽样最为合理；在对总体质量有一定的了解情况下，采用分层随机或系统随机抽样可提高其代表性；而对于简单随机抽样有困难的情况下，可采用随机性和代表性较差的分段随机或整群随机抽样

3、抽样方法

单价段抽样方法	方法介绍	特点
简单随机抽样	将调查总体全部编号，再用抽签法或者随机数表法抽取部分观察组成样本	优点：操作简单 缺点：总体较大时，无法编号
系统抽样（机械抽样、等距抽样）	先将总体的观察按某一顺序号分成n个部分，再从每一个部分个抽取一定数量的观察组成样本	优点：易于理解、简单易行 缺点：总体有周期或增减趋势时，易产生偏性
整群抽样	总体分群，在随机抽取几个群组成样本，群内全部抽样	优点：便于组织、节省经费 缺点：抽样误差大于单纯随机抽样
分层抽样	按对样本影响较大的某种特征，将总体分成若干个类别，再从每一层内随机抽取一定数量的观察，合起来组成样本	优点：样本代表性好、抽样误差小

 在实际应用中，常根据实际情况将整个抽样过程分为若干个阶段进行，成为多阶段抽样

 

流程图如下：