数据挖掘导论笔记1——第二章：数据

鲁棒算法

--有噪声也可以产生可接受的结果。

使用【特征、变量】替代【属性】。

数据预处理

1.特征子集选择

2.特征提取：

由原始数据创建新的特征集。

3.将特征映射到新空间

4.特征构造：

由一个或者多个原始特征构造新的特征。

5.二元化

6.非监督离散化

7.具有过多值的分类属性

二、相似性和相异性的度量

1.距离

参考：数学中常见的距离

https://blog.csdn.net/Losteng/article/details/50893931

2.非度量的距离--集合差、时间

度量：

3.相关性

只能检查是否存在线性相关，（-1，1）；若为0，则不存在线性相关，有可能由非线性相关。

4.相似系数

5.Bregman散度

6.mahalanobish距离

7.非对称属性

只有非零属性值才重要的属性称为非对称属性，比如二元属性，当考虑普通人的患癌情况时，健康时属性为0，患癌时为1，这样大部分情况下该属性都为0，因此我们一般只关注属性为1的情况，所以这个就是非对称的二元属性。

8.组合异种属性的相似度：

如果两个对象非对称属性上的值都为0，则计算相似度时忽略他们，可以很好地处理遗漏值

*不懂