数据挖掘--数据预处理--抽样与降维

数据挖掘–数据预处理–抽样、降维与变量变换
1、抽样
最简单的是简单随机抽样，simple random sampling，对于这种抽样，选取任何特定项的概率是一样的。
两种变形，无放回抽样和放回抽样
当总体由不同类型的队形组成，每种类型的对象数量差别很大时，简单随机抽样不能充分地代表不太频繁出现的对象类型。当分析需要所有类型的代表时，可能出现问题。这时候需要一种对不同频率数据感兴趣的抽样方案，这就是分层抽样。
分层抽样是从预先指定的组开始抽样，在最简单的情况下，尽管每组的大小不同，大师从me组抽取的对象个数相同。或者是从一组抽取的对象数量正比于改组的大小。……此处获取可以用栅格聚类
2、降维
降维也叫"维归约"，最常用的方法是"线性代数技术"，将数据从高维投影到低维空间，特别是对于连续数据。常见的是主成分分析PCA和奇异值分解SVD。都是用了线性代数技术。
3、变量变换
3.1 标准化 standardization
3.2 规范化 normalization