大数据预处理包括哪些内容?
首先,数据清理
并不是所有的数据都有用,有些数据并不是大家关注的内容,有些甚至是完全不正确的影响项。因此,需要对数据进行滤波去噪,进而获得合理的数据。
数据清洗的重点包括忽略值解(缺少感兴趣的属性)、噪声数据解(期望值不正确或偏离的数据)和不一致数据解。
可以通过定义全局变量、平均属性、填充值或立即忽略数据来忽略数据。可以通过盒子(对初始数据进行排序,然后对每组数据进行平滑)、聚类算法、计算机人工服务定期检查和返回等方法去除噪声数据。
第二,数据集成和转换
数据集成是指将来自多个数据源的数据集成并存储在一个一致的数据库文件中。在这整个过程中,主要要处理三个难题:模式匹配、数据冗余、数据值冲突检测和消解。
因为几个数据组合的数据名称有差异,所以相等的物理线往往有不同的名称。数据集成最后一个关键问题是数据值的矛盾,具体体现在不同的统一实体线有不同的数据值。
第三,数据协议
数据规范的关键包括:数据聚合、维度规范、数据归约、规模规范和定义层次。
如果按照业务流程的要求从数据库机房获取分析所需的数据,这个数据集将会非常庞大,对大量数据进行数据分析和数据挖掘的成本非常高。数据规范技术的应用可以完成数据集的规范,说明数据集仍然倾向于保持原始数据的一致性。正在挖掘协议后的数据集,仍然可以得到与原始数据集几乎相同的分析结果。
关于大数据预处理包括哪些内容,青腾边肖在这里给大家分享一下。如果你对大数据工程感兴趣,希望这篇文章能帮到你。如果想了解更多关于数据分析师和大数据工程师的技能和资料,可以点击本站其他文章进行学习。