机器学习中用到的数据预处理一般步骤

数据预处理的简单定义：一种数据挖掘方法，本质就是为了将原始数据转换为可以理解的格式或者符合我们挖掘的格式。

主要包括四个步骤：

（1）数据清洗

（2）数据集成

（3）数据规约

（4）数据变换

• 数据清洗： 填写缺失的值，光滑噪声数据，识别或删除离群点，并解决不一致性来“清理数据”；
• 数据集成：使用多个数据库，数据立方体或文件；
• 数据归约： 用替代的，较小的数据表示形式替换元数据，得到信息内容的损失最小化，方法包括维规约，数量规约和数据压缩；
• 数据变换：将数据变换成使用挖掘的形式。