数据挖掘与知识发现 （复杂数据对象的数据挖掘与知识发现）4 数 据 挖掘的预处理数据挖掘的困难所在nNoisenSkewed distributionnMissing values (incomplete info)nScalabilitynHigh dimensionalitynBias in datan.预处理在知识发现中所占份量预处理n各种不同的数据源和数据对象数据的选择、集成与整合，对问题进行限定n数据库中的数据具有噪声、缺值、不易至数据的去噪和规范化问题，提高挖掘精度n数据的变换规范化、映射到不同的空间，提高挖掘效率n数据的规约取出冗余、属性聚类来压缩数据数据的预处理是KDDn从以上讨论可以看出，利用语言场理论对连续 属性进行离散化，该方法简单，计算时间短， 可以根据专家（用户）的意愿来划分连续属性 ，从而用自然语言来描述最后得到的规则，使 之更为用户所理解，因此比较实用，其不足之 处是受人为因素的影响。 离散化的问题n离散化方法的一个先天不足是可能降低发现的 知识的精确度，因此离散化过程如同其他的汇 总小结过程一样，可能会导致某些相关的详细 信息的丢失。另外，离散化方法对挖掘出的知 识的质量的影响如何，仍是一个有待研究的课 题。n离散化方法即改变连续属性为离散值。属性进 行离散化的思想是输入一个（整数的或连续值 的）属性值输出一个有序区间，因此整个输入 域相应与一个有序区间列表。离散化方法常常 跟分类问题相联系。