数据挖掘实验报告一.pdfVIP

.

数据预处理

一、实验原理

预处理方法基本方法

1、数据清洗

去掉噪声和无关数据

2、数据集成

将多个数据源中的数据结合起来存放在一个一致的数据存储中

3、数据变换

把原始数据转换成为适合数据挖掘的形式

4、数据归约

主要方法包括:数据立方体聚集，维归约，数据压缩，数值归约，离散化和概念分层等

二、实验目的

掌握数据预处理的基本方法。

三、实验内容

1、R语言初步认识（掌握R程序运行环境）

2、实验数据预处理。（掌握R语言中数据预处理的使用）

对给定的测试用例数据集，进行以下操作。

1）、加载程序，熟悉各按钮的功能。

2）、熟悉各函数的功能，运行程序，并对程序进行分析。

对餐饮销量数据进统计量分析，求销量数据均值、中位数、极差、标准差，变异系

数和四分位数间距。

对餐饮企业菜品的盈利贡献度（即菜品盈利帕累托分析），画出帕累托图。

3）数据预处理

缺省值的处理：用均值替换、回归查补和多重查补对缺省值进行处理

对连续属性离散化：用等频、等宽等方法对数据进行离散化处理

四、实验步骤

1、R语言运行环境的安装配置和简单使用

（1）安装R语言

R语言下载安装包，然后进行默认安装，然后安装RStudio工具

（2）R语言控制台的使用

1.2.1查看帮助文档

.

.

1.2.2安装软件包

1.2.3进行简单的数据操作

（3）RStudio简单使用

1.3.1RStudio中进行简单的数据处理

1.3.2RStudio中进行简单的数据处理

.

.

2、R语言中数据预处理

（1）加载程序，熟悉各按钮的功能。

（2）熟悉各函数的功能，运行程序，并对程序进行分析

2.2.1销量中位数、极差、标准差，变异系数和四分位数间距。

,2.2.2对餐饮企业菜品的盈利贡献度（即菜品盈利帕累托分析），画出帕累托图。

.

.

（3）数据预处理

缺省值的处理：用均值替换、回归查补和多重查补对缺省值进行处理

对连续属性离散化：用等频、等宽等方法对数据进行离散化处理

五、实验结果

.

.

按照实验步骤对餐饮销量数据进统计量分析，求出了销量数据均值、中位数、极差、标准差，

变异系数和四分位数间距，并在上述报告中用表格显示出来；得到了餐饮企业菜品的盈利贡

献度（即菜品盈利帕累托分析）；最后进行数据预处理。

六、思考与分析

1、异常值的存在会对挖掘结果带来什么样的不良影响？

答：在实验中，由于测量产生误差，从而导致个别数据出现异常，往往导致结果产生

较大的误差，即出现

数据的异常.而异常数据的出现会掩盖实验数据的变化规律，以致使研究对象变化规律

异常，得出错误结论。

2、为什么需要对数据进行规范化？

答：规范化目的是使结构更合理，消除存储异常，使数据冗余尽量小，便于插入、删

除和更新。

.