數(shù)據(jù)挖掘?qū)嶒?yàn)一數(shù)據(jù)預(yù)處理

1、實(shí)驗(yàn)?zāi)康模簩?shí)驗(yàn)原理：- -WORD 格式-可編輯-專(zhuān)業(yè)資料- 實(shí)驗(yàn)?zāi)康模簩?shí)驗(yàn)原理：- 實(shí)驗(yàn)一、 數(shù)據(jù)預(yù)處理學(xué)院 計(jì)算機(jī)科學(xué)與軟件學(xué)院?（1）熟悉 VC+編程工具和完全數(shù)據(jù)立方體構(gòu)建、聯(lián)機(jī)分析處理算法。（2）瀏覽擬被處理的的數(shù)據(jù)，發(fā)現(xiàn)各維屬性可能的噪聲、缺失值、不一致性等，針對(duì)存在的問(wèn)題擬出采用的數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)集成的具體算法。（3）用 VC+編程工具編寫(xiě)程序，實(shí)現(xiàn)數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)集成等功能。（4）調(diào)試整個(gè)程序獲得清潔的、一致的、集成的數(shù)據(jù)，選擇適于全局優(yōu)化的參數(shù)。?1 、數(shù)據(jù)預(yù)處理現(xiàn)實(shí)世界中的數(shù)據(jù)庫(kù)極易受噪音數(shù)據(jù)、遺漏數(shù)據(jù)和不一致性數(shù)據(jù)的侵?jǐn)_，為提高數(shù)據(jù)質(zhì)量進(jìn)而提高挖掘結(jié)果的質(zhì)

2、量，產(chǎn)生了大量數(shù)據(jù)預(yù)處理技術(shù)。數(shù)據(jù)預(yù)處理有多種方法：數(shù)據(jù)清理，數(shù)據(jù)集成，數(shù)據(jù)變換，數(shù)據(jù)歸約等。這些數(shù)據(jù)處理技術(shù)在數(shù)據(jù)挖掘之前使用，大大提高了數(shù)據(jù)挖掘模式的質(zhì)量，降低實(shí)際挖掘所需要的時(shí)間。2 、數(shù)據(jù)清理數(shù)據(jù)清理例程通過(guò)填寫(xiě)遺漏的值，平滑噪音數(shù)據(jù)，識(shí)別、刪除離群點(diǎn)，并解決不一致來(lái)“清理”數(shù)據(jù)。3 、數(shù)據(jù)集成 數(shù)據(jù)集成數(shù)據(jù)集成將數(shù)據(jù)由多個(gè)源合并成一致的數(shù)據(jù)存儲(chǔ)，如數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)立方體。4 、數(shù)據(jù)變換通過(guò)平滑聚集，數(shù)據(jù)概化，規(guī)范化等方式將數(shù)據(jù)轉(zhuǎn)換成適用于數(shù)據(jù)挖掘的形式。5 、數(shù)據(jù)歸約使用數(shù)據(jù)歸約可以得到數(shù)據(jù)集的壓縮表示，它小得多，但能產(chǎn)生同樣（或幾乎同樣的）分析結(jié)果。常用的數(shù)據(jù)歸約策略有數(shù)據(jù)聚集、維歸

3、約、數(shù)據(jù)壓縮和數(shù)字歸約等。三、 實(shí)驗(yàn)內(nèi)容：1 、主要代碼及注釋頭文件#include #include #include #include using namespace std; 1、建立存儲(chǔ)結(jié)構(gòu)class Sales -完整版學(xué)習(xí)資料分享- -WORD 格式-可編輯-專(zhuān)業(yè)資料- - public: string serial; int market; int posno; string date; int sn; int id; float num; float price; float total; void print() cout serial market posno date s

4、n id num price totalendl; ; 2、打開(kāi)源 txt 文件，并創(chuàng)建保存的 txt 文件ifstream infile(1020.txt,ios:in); /*string contents;*/ if(infile.fail() 7 cout error open! endl; ofstream outfile(fl.txt,ios:out); if(!outfile) coutopen eror! salsal_size.serial salsal_size.market salsal_size.posno salsal_size.date salsal_size.sn

5、 salsal_size.id salsal_size.num salsal_size.price salsal_size.total; sal_size+; 4、處理數(shù)據(jù)（1）判斷購(gòu)買(mǎi)數(shù)量是否為負(fù)if (sali.num0) sali.num=-sali.num; （2）統(tǒng)一日期為流水號(hào)前 8 位（既可以填補(bǔ)缺失值，又統(tǒng)一格式，同學(xué)們也可以分步做，先填補(bǔ)缺失值再改成統(tǒng)一格式）-完整版學(xué)習(xí)資料分享實(shí)驗(yàn)結(jié)果：- -WORD 格式-可編輯-專(zhuān)業(yè)資料- 實(shí)驗(yàn)結(jié)果：- sali.date.assign(sali.serial ,0,8); （3）保存處理過(guò)的數(shù)據(jù)同時(shí)刪除冗余數(shù)據(jù)（總額， POS 機(jī)號(hào)）outfilesali.serial tsali.markettsali.datet sali.sntsali.idtsali.numtsali.priceendl; （4）關(guān)閉 txt 文件infile.close(); outfile.close(); 2 、實(shí)驗(yàn)數(shù)據(jù)實(shí)驗(yàn)數(shù)據(jù)保存在 1019、1020、1021三個(gè) txt文件中?處理前的數(shù)據(jù)（ 1019.txt，只列出了一部分）：處理過(guò)程：處理后的部分?jǐn)?shù)據(jù)：-完整版學(xué)習(xí)資料分享- -WORD 格式-可編輯-專(zhuān)業(yè)資料- - 處理前的數(shù)據(jù)（ 1020.txt，只列出了一部分）：處理過(guò)程