数据挖掘数据预处理
数据挖掘基础
数据挖掘基础一、数据挖掘的概念和基本流程数据挖掘是指从大量数据中提取出有价值的信息和知识的过程，是一种自动化的发现模式和规律的方法。
其基本流程包括：数据预处理、特征选择、建立模型、模型评估和应用。
二、数据预处理1. 数据清洗：去除重复值、缺失值和异常值等。
2. 数据集成：将多个数据源中的数据合并成一个整体。
3. 数据变换：对原始数据进行转换，如归一化、离散化等。
4. 数据规约：对原始数据进行压缩，如抽样等。
三、特征选择特征选择是指从原始特征中选取一部分对分类或回归有用的特征。
其目的是减少维度，提高模型效率和精度。
四、建立模型建立模型是指根据已选取的特征，使用各种算法构建分类或回归模型。
常用算法包括决策树、神经网络、支持向量机等。
五、模型评估模型评估是指通过交叉验证等方法对建立好的模型进行评估，以确定其预测效果是否良好。
六、应用应用是指将建立好的模型应用到实际问题中，进行预测和决策。
七、数据挖掘的应用领域1. 金融：如信用评估、风险管理等。
2. 医疗：如疾病预测、药物研发等。
3. 零售业：如销售预测、客户细分等。
4. 航空航天：如飞机维修优化、航班调度等。
5. 电信业：如用户行为分析、网络优化等。
八、数据挖掘的常用算法1. 决策树算法：通过对数据进行分类和回归，构建决策树模型，可用于分类和预测。
2. 神经网络算法：通过模拟人类神经系统，构建神经网络模型，可用于分类和预测。
3. 支持向量机算法：通过寻找最大间隔超平面，构建支持向量机模型，可用于分类和回归。
4. 聚类算法：将数据分成若干个类别，常见的聚类算法包括K-Means 和层次聚类等。
5. 关联规则挖掘算法：通过寻找频繁项集和关联规则，发现数据中隐藏的关联关系。
九、数据挖掘的发展趋势1. 大数据时代：随着数据量的增加，数据挖掘将更加重要。
2. 人工智能：机器学习和深度学习等技术将广泛应用于数据挖掘中。
3. 可视化分析：通过可视化技术，更好地呈现和理解数据。
数据挖掘的处理过程
数据挖掘的处理过程
1. 数据收集：这是数据挖掘的第一步，需要收集与研究问题相关的数据。
这些数据可以来自各种来源，如数据库、文件、传感器等。
2. 数据预处理：在数据挖掘之前，需要对数据进行预处理，以确保数据的质量和可用性。
这可能包括数据清洗、缺失值处理、数据转换、特征选择等。
3. 数据分析：对预处理后的数据进行分析，以了解数据的基本特征和模式。
这可能包括数据统计分析、数据可视化、相关性分析等。
4. 模型选择：根据数据分析的结果，选择适合的模型来进行数据挖掘。
这可能包括分类、聚类、回归、关联规则挖掘等各种算法。
5. 模型训练：使用选择的模型对数据进行训练，以确定模型的参数。
这可能需要大量的计算资源和时间。
6. 模型评估：评估训练好的模型的性能，以确定其准确性和可靠性。
这可能包括交叉验证、混淆矩阵、准确率、召回率等指标。
7. 模型部署：将训练好的模型部署到实际应用中，以实现数据挖掘的目标。
这可能涉及将模型集成到应用程序中、构建数据管道等。
8. 模型监控：在模型部署后，需要对模型进行监控，以确保其性能和准确性。
这可能包括监测模型的输入数据、输出结果、误分类率等。
需要注意的是，数据挖掘是一个迭代的过程，可能需要多次重复上述步骤，以不断改进模型的性能和准确性。
同时，数据挖掘也需要结合领域知识和业务需求，以确保挖掘结果的实际意义和可操作性。
数据挖掘的主要方法
数据挖掘的主要方法
数据挖掘是一种从大量数据中提取有价值信息的技术，它可以帮助企业更好地分析客户行为，改善产品质量，提高销售效率等。
数据挖掘的主要方法包括：
1. 数据预处理：数据预处理是数据挖掘的第一步，它的目的是清洗数据，去除噪声，缺失值，异常值等，以便更好地进行后续的数据挖掘。
2. 模式发现：模式发现是数据挖掘的核心，它的目的是从大量数据中发现有价值的模式，如关联规则，分类规则，聚类规则等。
3. 模型评估：模型评估是数据挖掘的最后一步，它的目的是评估模型的准确性，以便确定最佳模型，并将其应用于实际问题中。
4. 数据可视化：数据可视化是数据挖掘的一个重要组成部分，它的目的是将复杂的数据以图表的形式展示出来，以便更好地理解数据。
5. 机器学习：机器学习是数据挖掘的一个重要方法，它的目的是通过训练数据，建立模型，以便从大量数据中发现有价值的模式。
6. 数据库技术：数据库技术是数据挖掘的基础，它的目的是收集、存储、管理大量数据，以便更好地进行数据挖掘。
以上就是数据挖掘的主要方法。
通过这些方法，可以有效地从大量数据中提取有价值的信息，为企业提供有效的决策支持。
数据挖掘实验（二）数据预处理【等深分箱与等宽分箱】
数据挖掘实验（⼆）数据预处理【等深分箱与等宽分箱】本⽂代码均已在 MATLAB R2019b 测试通过，如有错误，欢迎指正。
⽬录⼀、分箱平滑的原理（1）分箱⽅法在分箱前，⼀定要先排序数据，再将它们分到等深（等宽）的箱中。
常见的有两种分箱⽅法：等深分箱和等宽分箱。
等深分箱：按记录数进⾏分箱，每箱具有相同的记录数，每箱的记录数称为箱的权重，也称箱⼦的深度。
等宽分箱：在整个属性值的区间上平均分布，即每个箱的区间范围设定为⼀个常量，称为箱⼦的宽度。
（2）数据平滑将数据划分到不同的箱⼦之后，可以运⽤如下三种策略对每个箱⼦中的数据进⾏平滑处理：平均值平滑：箱中的每⼀个值被箱中数值的平均值替换。
中值平滑：箱中的每⼀个值被箱中数值的中值替换。
边界平滑：箱中的最⼤值和最⼩值称为箱⼦的边界，箱中的每⼀个值被最近的边界值替换。
⼆、Matlab代码实现⾸先⽤rand()函数随机⽣成20*5的矩阵，其数据范围为[0,1]。
1.等深分箱输⼊箱⼦的深度h(1<h<20)，将每列按等深分箱，然后⽤箱均值平滑。
clear;clc;A=rand(20,5); % 随机⽣成20*5的矩阵，其中每个数取值范围[0,1]fprintf("当前⽣成的原数据："); A% 排序，参数1表⽰按列排序，取2为按⾏排序；'ascend'为升序，'descend'为降序A=sort(A,1,'ascend');fprintf("将原数据的每列排序后："); Ah=input("请输⼊等深分箱的深度h(1<h<20)：");%% 对每列进⾏等深分箱，然后求每个箱⼦的均值[n,m]=size(A); % n⾏m列for j=1:m % 列jfor i=1:h:n % ⾏i% 当前箱⼦第⼀个数位置为i，最后⼀个数位置为min(i+h-1,n)p1=int64(i); % 转换成整数(i默认是double类型，但是索引必须要为整数)p2=int64(min(i+h-1,n));B(p1:p2,j)=mean(A(p1:p2,j)); % 当前箱⼦的均值endendfprintf("\n经过等深分箱，⽤箱均值平滑处理后的数据："); B代码运⾏结果输⼊的深度为3：当前⽣成的原数据：A =0.4067 0.4504 0.5747 0.5154 0.99690.6669 0.2057 0.3260 0.6575 0.55350.9337 0.8997 0.4564 0.9509 0.51550.8110 0.7626 0.7138 0.7223 0.33070.4845 0.8825 0.8844 0.4001 0.43000.7567 0.2850 0.7209 0.8319 0.49180.4170 0.6732 0.0186 0.1343 0.07100.9718 0.6643 0.6748 0.0605 0.88770.9880 0.1228 0.4385 0.0842 0.06460.8641 0.4073 0.4378 0.1639 0.43620.3889 0.2753 0.1170 0.3242 0.82660.4547 0.7167 0.8147 0.3017 0.39450.2467 0.2834 0.3249 0.0117 0.61350.7844 0.8962 0.2462 0.5399 0.81860.8828 0.8266 0.3427 0.0954 0.88620.9137 0.3900 0.3757 0.1465 0.93110.5583 0.4979 0.5466 0.6311 0.19080.5989 0.6948 0.5619 0.8593 0.25860.1489 0.8344 0.3958 0.9742 0.89790.8997 0.6096 0.3981 0.5708 0.5934将原数据的每列排序后：A =0.1489 0.1228 0.0186 0.0117 0.06460.2467 0.2057 0.1170 0.0605 0.07100.3889 0.2753 0.2462 0.0842 0.19080.4067 0.2834 0.3249 0.0954 0.25860.4170 0.2850 0.3260 0.1343 0.33070.4547 0.3900 0.3427 0.1465 0.39450.4845 0.4073 0.3757 0.1639 0.43000.5583 0.4504 0.3958 0.3017 0.43620.5989 0.4979 0.3981 0.3242 0.49180.6669 0.6096 0.4378 0.4001 0.51550.7567 0.6643 0.4385 0.5154 0.55350.7844 0.6732 0.4564 0.5399 0.59340.8110 0.6948 0.5466 0.5708 0.61350.8641 0.7167 0.5619 0.6311 0.81860.8828 0.7626 0.5747 0.6575 0.82660.8997 0.8266 0.6748 0.7223 0.88620.9137 0.8344 0.7138 0.8319 0.88770.9337 0.8825 0.7209 0.8593 0.89790.9718 0.8962 0.8147 0.9509 0.93110.9880 0.8997 0.8844 0.9742 0.9969请输⼊等深分箱的深度h(1<h<20)：3经过等深分箱，⽤箱均值平滑处理后的数据：B =0.2615 0.2013 0.1273 0.0521 0.10880.2615 0.2013 0.1273 0.0521 0.10880.2615 0.2013 0.1273 0.0521 0.10880.4262 0.3195 0.3312 0.1254 0.32790.4262 0.3195 0.3312 0.1254 0.32790.4262 0.3195 0.3312 0.1254 0.32790.5472 0.4519 0.3899 0.2633 0.45270.5472 0.4519 0.3899 0.2633 0.45270.5472 0.4519 0.3899 0.2633 0.45270.7360 0.6490 0.4443 0.4851 0.55410.7360 0.6490 0.4443 0.4851 0.55410.7360 0.6490 0.4443 0.4851 0.55410.8526 0.7247 0.5611 0.6198 0.75290.8526 0.7247 0.5611 0.6198 0.75290.8526 0.7247 0.5611 0.6198 0.75290.9157 0.8478 0.7031 0.8045 0.89060.9157 0.8478 0.7031 0.8045 0.89060.9157 0.8478 0.7031 0.8045 0.89060.9799 0.8979 0.8495 0.9626 0.96400.9799 0.8979 0.8495 0.9626 0.96402.等宽分箱输⼊箱⼦的宽度w(0<w<1)，将每列按等宽分箱，然后⽤箱均值平滑。
数据挖掘实验报告-数据预处理
数据挖掘实验报告-数据预处理数据挖掘实验报告数据预处理一、实验目的本次实验的主要目的是深入了解和掌握数据预处理在数据挖掘过程中的重要性及相关技术，通过对实际数据集的处理，提高数据质量，为后续的数据挖掘和分析工作奠定良好的基础。
二、实验背景在当今数字化时代，数据的规模和复杂性不断增加，而原始数据往往存在着各种问题，如缺失值、噪声、异常值、不一致性等。
这些问题如果不加以处理，将会严重影响数据挖掘算法的性能和结果的准确性。
因此，数据预处理成为了数据挖掘过程中不可或缺的重要环节。
三、实验数据集本次实验使用了一个名为“销售数据”的数据集，该数据集包含了某公司在过去一年中不同产品的销售记录，包括产品名称、销售日期、销售数量、销售价格、客户信息等字段。
四、数据预处理技术（一）数据清洗1、处理缺失值首先，对数据集中的缺失值进行了识别和分析。
通过观察发现，“客户信息”字段存在部分缺失。
对于这些缺失值，采用了两种处理方法：一是如果缺失比例较小（小于5%），直接删除含有缺失值的记录；二是如果缺失比例较大，采用均值填充的方法进行补充。
2、处理噪声数据数据中的噪声通常表现为数据中的错误或异常值。
通过对销售数量和销售价格的观察，发现了一些明显不合理的数值，如销售数量为负数或销售价格过高或过低的情况。
对于这些噪声数据，采用了基于统计的方法进行识别和处理，将超出合理范围的数据视为噪声并进行删除。
（二）数据集成由于原始数据集可能来自多个数据源，存在着重复和不一致的问题。
在本次实验中，对“销售数据”进行了集成处理，通过对关键字段（如产品名称、销售日期）的比较和合并，消除了重复的记录，并确保了数据的一致性。
（三）数据变换1、数据标准化为了消除不同字段之间量纲的影响，对销售数量和销售价格进行了标准化处理，使其具有可比性。
2、数据离散化对于连续型的数据字段，如销售价格，采用了等宽离散化的方法将其转换为离散型数据，以便于后续的数据挖掘算法处理。
数据挖掘的基本步骤
数据挖掘的基本步骤数据挖掘是一种从大量数据中发现隐藏模式、关联和趋势的过程。
它涉及使用各种算法和技术来分析数据，以发现实用的信息和知识。
数据挖掘的基本步骤包括问题定义、数据采集、数据预处理、特征选择、模型构建、模型评估和模型部署。
1. 问题定义：在进行数据挖掘之前，首先需要明确问题的定义和目标。
这可以包括确定要解决的业务问题，如销售预测、客户细分等。
问题定义的清晰性对于后续步骤的成功至关重要。
2. 数据采集：数据采集是指获取与问题相关的数据。
数据可以来自各种来源，如数据库、日志文件、传感器等。
采集的数据应具有代表性，并且能够涵盖问题领域的各个方面。
3. 数据预处理：数据预处理是数据挖掘过程中的重要步骤，它包括数据清洗、数据集成、数据转换和数据规约。
数据清洗是指处理缺失值、异常值和噪声等问题。
数据集成是指将来自不同来源的数据整合在一起。
数据转换是指将数据转换为适合挖掘的格式。
数据规约是指减少数据集的大小，以提高挖掘效率。
4. 特征选择：特征选择是指从原始数据中选择与问题相关的特征。
通过选择最具信息量的特征，可以提高模型的准确性和效率。
特征选择可以使用统计方法、机器学习方法或者领域知识进行。
5. 模型构建：模型构建是指选择合适的数据挖掘算法，并使用预处理后的数据训练模型。
常用的数据挖掘算法包括决策树、聚类、关联规则等。
根据问题的性质和数据的特点，选择适合的算法进行模型构建。
6. 模型评估：模型评估是评估构建的模型的性能和准确性。
可以使用各种评估指标，如准确率、召回率、F1值等。
通过评估模型的性能，可以确定模型是否满足预期的要求，并进行必要的调整和改进。
7. 模型部署：模型部署是将构建好的模型应用于实际问题的过程。
这涉及将模型集成到现有系统中，以便实时使用和决策支持。
模型部署需要考虑系统的可扩展性、稳定性和安全性。
总结：数据挖掘的基本步骤包括问题定义、数据采集、数据预处理、特征选择、模型构建、模型评估和模型部署。
数据挖掘数据预处理
数据挖掘数据预处理数据挖掘是一种从大量数据中提取有用信息的过程，而数据预处理是数据挖掘过程中的重要步骤之一。
数据预处理的目标是清洗、转换和集成数据，以便于后续的数据挖掘分析。
数据清洗是数据预处理的第一步，它主要是识别和处理数据中的错误、缺失值和异常值。
例如，我们可以使用数据清洗技术来处理缺失值，如使用均值、中位数或众数进行填充。
对于异常值，我们可以使用统计方法或离群点检测算法来识别并进行处理。
数据转换是数据预处理的第二步，它主要是将原始数据转换为适合数据挖掘算法处理的形式。
常见的数据转换包括标准化、归一化、离散化和编码。
标准化和归一化可以将不同尺度的数据统一到同一尺度，以避免某些特征对数据挖掘结果的影响过大。
离散化将连续型数据转换为离散型数据，方便进行频繁模式挖掘和分类。
编码则是将非数值型数据转换为数值型数据，以便于算法处理。
数据集成是数据预处理的第三步，它主要是将来自不同来源的数据集合在一起。
数据集成可以通过数据匹配和数据合并来实现。
数据匹配是识别和解决不同数据源中的冲突和不一致性问题，例如相同实体的命名不一致等。
数据合并则是将匹配后的数据集合在一起，形成一个完整的数据集。
除了上述步骤，数据预处理还包括特征选择和降维等技术。
特征选择是从原始数据中选择最具有代表性和区分性的特征，以减少数据挖掘过程中的计算复杂性和提高模型的泛化能力。
降维则是将高维数据转换为低维数据，以减少存储空间和计算开销，并提高数据挖掘算法的效率。
在实际应用中，数据挖掘数据预处理的具体方法和步骤会因不同的任务和数据特点而有所差异。
例如，在文本挖掘中，数据预处理可能包括分词、去除停用词和词干提取等步骤。
在图像挖掘中，数据预处理可能包括图像分割、图像增强和特征提取等步骤。
总之，数据挖掘数据预处理是数据挖掘过程中不可或缺的一环。
通过对原始数据进行清洗、转换和集成，可以提高数据的质量和可用性，为后续的数据挖掘分析提供可靠的基础。
第2章 数据预处理
二、数据预处理
3.数据集成和数据变换 3.1 数据集成 3. 数据值冲突的检测与处理 在一个系统中记录的属性的抽象层可能比另一个系统中“相同的”属性
低。数据集成时将一个数据库的属性与另一个匹配时，要考虑数据的结构用 来保证原系统中的属性函数依赖和参照约束与目标系统中的匹配。
二、数据预处理
3.数据集成和数据变换 3.2 数据变换 数据变换的目的是将数据转换或统一成适合于挖掘的形式。
二、数据预处理
4.数据规约 数据归约技术可以用来得到数据集的归约表示，它比原数据小得多，但
仍接近保持原数据的完整性。
常见的数据规约的方法包括数据立方体聚集、维规约、数据压缩、数值 规约以及数据离散化与概念分层等。
二、数据预处理
4.数据规约 4.1 数据立方体聚集 数据立方体聚集主பைடு நூலகம்是用于构造数据立方体，数据立方体存储多维聚集
二、数据预处理
4.数据规约 4.5 数值离散化与概念分层
1、数值数据的离散化和概念分层产生
（5）聚类分析 聚类分析是一种流行的数据离散化方法。 将属性A的值划分成簇或组，聚类考虑A的分布以及数据点的邻近性，可
以产生高质量的离散化结果。遵循自顶向下的划分策略或自底向上的合并策 略，聚类可以用来产生A的概念分层，其中每个簇形成概念分层的一个节点。 在前者，每一个初始簇或划分可以进一步分解成若干子簇，形成较低的概念 层。在后者，通过反复地对邻近簇进行分组，形成较高的概念层。
i1 j1
eij
其中，oij是联合事件 ( Ai , Bj )的观测频度（即实际计数），而 eij是( Ai , Bj ) 的期
望频度，可以用下式计算
二、数据预处理
3.数据集成和数据变换
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
XI`AN TECHNOLOGICAL UNIVERSITY
实验报告
实验课程名称数据集成、变换、归约和离散化
专业：数学与应用数学
班级：
姓名：
学号：
实验学时：
指导教师：刘建伟
成绩：
2016年5月5 日
西安工业大学实验报告
专业数学与应用数学班级131003 姓名学号实验课程数据挖掘指导教师刘建伟实验日期2016-5-5 同实验者实验项目数据集成、变换、归约和离散化
实验设备
计算机一台
及器材
一实验目的
掌握数据集成、变换、归约和离散化
二实验分析
从初始数据源出发,总结了目前数据预处理的常规流程方法,提出应把源数据的获取作为数据预处理的一个步骤,并且创新性地把数据融合的方法引入到数据预处理的过程中,提出了数据的循环预处理模式,为提高数据质量提供了更好的分析方法,保证了预测结果的质量,为进一步研究挖掘提供了较好的参考模式。
三实验步骤
1数据分析任务多半涉及数据集成。
数据集成是指将多个数据源中的数据合并并存放到一个一致的数据存储（如数据仓库）中。
这些数据源可能包括多个数据库、数据立方体或一般文件。
在数据集成时，有许多问题需要考虑。
模式集成和对象匹配可能需要技巧。
2数据变换是指将数据转换或统一成适合于挖掘的形式。
（1）数据泛化：使用概念分层，用高层概念替换低层或“原始”数据。
例如，分类的属性，如街道，可以泛化为较高层的概念，如城市或国家。
类似地，数值属性如年龄，可以映射到较高层概念如青年、中年和老年。
（2）规范化：将属性数据按比例缩放，使之落入一个小的特定区间。
大致可分三种：最小最大规范化、z-score规范化和按小数定标规范化。
（3）属性构造：可以构造新的属性并添加到属性集中，以帮助挖掘过程。
例如，可能希望根据属性height和width添加属性area。
通过属性构造可以发现关于数据属性间联系的丢失信息，这对知识发现是有用的。
3数据经过去噪处理后,需根据相关要求对数据的属性进行相应处理.数据规约就是在减少数据存储空间的同时尽可能保证数据的完整性,获得比原始数据小得
多的数据。
4数据离散化就是一种数据变换形式。
主要有①光滑②属性构造③聚集④规范化⑤离散化⑥有标称数据产生概念分层。
一、卡方检验
对于标称数据，两个属性A 和B 之间的相关联系可以通过χ2（卡方）检验发现。
假设A 有c 个不同值a1，a2，…，ac ，B 有r 个不同值b1，b2，…，br 。
用A 和B 描述的数据元组可以用一个相依表显示，其中A 的c 个值构成列，B 的r 个值构成行。
令(Ai ，Bj)表示属性A 取值ai 、属性B 取值bj 的联合事件，即(A=ai ，B=bj)。
每个可能的(Ai ，Bj)联合事件都在表中有自己的单元。
χ2值（又称Pearson χ2统计量）可以用下式计算：
∑∑==-=c i r j ij ij ij e e o 1122
)(x
其中，oij 是联合事件(Ai ，Bj)的观测频度（即实际计数），而eij 是(Ai ，Bj)的期望频度，可以用下式计算：
n b B count a A count j i )
()(e ij =⨯==
其中，n 是数据元组的个数，count(A=ai)是A 上具有值ai 的元组个数，而count(B=bj)是B 上具有值bj 的元组个数。
式中的和在所有r ×c 个单元上计算。
注意，对χ2值贡献最大的单元是其实际计数与期望计数很不相同的单元。
χ2统计检验假设A 和B 是独立的。
检验基于显著水平，具有自由度(r-1）×(c-1)。
我如果可以拒绝该假设，则我们说A 和B 是统计相关的。
二、最小-最大规范化。
假设属性income 的最小值和最大值分别为12000美元和98000美元。
把income 映射到区间[0.0,0.1].根据最小最大规范化，income 值73600美元将转变为
716.000-0.112000
-9800012000-73600=+）（。
三、Z 分数规范化。
假设属性income 的均值和标准差分别为54000美元和16000美元.使用Z 分数规范化，值73600美元被转换为
225.11600054000-73600=
四、小波变换
离散小波变换是一种线信号处理技术，用于数据向量X 时，将它变换成不同的数值小波系数向量'x 。
两个向量具有相同的长度。
当这种技术用于数据规约时，每个元组看做一个n 维数据向量，即X=（n x x x ,,21),描述n 个数据库属性在元组上的n 个测量值。
五、直方图
等宽度直方图
对数据进行分箱。
假设按等宽度的方法进行分箱（宽度w=1），则对于N 个数据，按其值i v 分别放入到相应的箱中，箱子的数目k=MAX N 。
设每个箱中的统计数据为 i c (i=1,2...)，按照坐标值/频率对（i i v c ）表示在二维坐标上，则可以得到该组数据的 单桶直方图.其中，n C =∑i 。
一般情况下，为了进一步压缩数据，通常进行数据分箱时，每一个桶代表的是连续的属性值，即取宽度w=q(0<q<MAX N )。
在这种分箱方法下，分箱数目K=q MAX N 。
则按照公式∑⋅-⋅-=j q j q i i
j c )1(c ，其中j=1,2...k,令j q N MAX i *i ,0c <<=所得到的值/频
率对(q(j-1)~qj/j c )，j=1,2...,k 的宽度为q 的直方图，即为常见的等宽度直方图。
实验心得
预处理后,若挖掘结果显示和实际差异较大,在排除源数据的问题后则有必要需要考虑数据的二次预处理,以修正初次数据预处理中引入的误差或方法的不当,若二次挖掘结果仍然异常则需要另行斟酌。