数据挖局数据清洗：

数据清理是进行数据预处理的首要方法，它通过识别或删除离群点来光滑噪声数据，并填补缺失值，从而“清理”数据。数据清理的主要任务是处理缺失值、光滑噪声数据。

1. 处理缺失值

处理缺失值通常包括以下几类方法：

（1）删除元组

（2）人工填写缺失值

（3）中心度量填补

（4）多重填补

（5）使用最可能的值填补

 2. 光滑噪声数据

光滑噪声数据主要有以下几种方法：

（1）分箱。其主要思想为每一个数据与它的“近邻”数据应该是相似的，因此将数据用其近邻（“箱”或“桶”）替代，这样既可以光滑有序数据值，还能在一定程度上保持数据的独有特点。

（2）回归。回归技术是通过一个映像或函数拟合多个属性数据，从而达到光滑数据的效果。线性回归是寻找一条“最佳”直线来拟合多个属性，从而使用其中的某些属性预测其他属性。

（3）离群点分析。聚类可以将相似的值归为同一“簇”，因此主要使用聚类等技术来检测离群点。聚类技术将在8.3节展开讨论。