数据挖掘概念与技术（韩家伟）阅读笔记5--数据规范化和属性构造
2016-11-03 09:29
375 查看
1.数据规范化的方法和意义
通过将属性值按照比例缩放，使之进入 一个较小的特定区间，即对属性进行规范化。方法：最小--最大规范化；z-score规范化；小数定标规范化。
a.最小--最大规范化
通过将属性值按照比例缩放，使之进入 一个较小的特定区间，即对属性进行规范化。方法：最小--最大规范化；z-score规范化；小数定标规范化。
a.最小--最大规范化
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 数据挖掘概念与技术（韩家伟）阅读笔记7--数据离散化和概念分层的产生
- 数据挖掘概念与技术（韩家伟）阅读笔记1
- 数据挖掘概念与技术（韩家伟）阅读笔记2
- 数据挖掘概念与技术（韩家伟）阅读笔记4--数据集成和变换
- 数据挖掘概念与技术（韩家伟）阅读笔记6--数据规约
- 数据挖掘概念与技术（韩家伟）阅读笔记3--数据清理
- 数据挖掘概念与技术学习笔记(1)
- 【数据挖掘概念与技术】学习笔记4-数据仓库与联机分析处理
- 数据挖掘：概念与技术 学习笔记 第一章
- 《数据挖掘——概念和技术》笔记之概论
- 数据挖掘：概念与技术 笔记
- 【数据挖掘概念与技术】学习笔记2-认识数据
- 《数据挖掘——概念和技术》笔记之数据预处理
- 【数据挖掘概念与技术】学习笔记1-引论
- 【数据挖掘概念与技术】学习笔记5-数据立方体技术
- 【数据挖掘概念与技术】学习笔记6-挖掘频繁模式、关联和相关性：基本概念和方法（编缉中）
- 【数据挖掘概念与技术】学习笔记3-数据预处理
- 5.数据挖掘概念笔记——数据立方体技术
- 【读书笔记-数据挖掘概念与技术】数据立方体技术
- 机器学习&数据挖掘笔记_15（关于凸优化的一些简单概念）