表觀處理
去重：將重復(fù)的數(shù)據(jù)去除掉
合并：將不同的數(shù)據(jù)表合并在一起，組成‘大’維度表
深入處理
缺失值：該部分處理是整個數(shù)據(jù)挖掘過程都需要反復(fù)考慮的事；根據(jù)特征缺失值占比多少，決定是填充還是直接刪了；如果填充，可以填充平均值，中值等等；或者將其看成測試集利用模型進行填充。
異常值：首先對數(shù)據(jù)的分布有大致的了解，認為的異常值不一定是異常值，明確對異常值的劃分。對于確認的異常值，可以按照缺失值對待處理，也需要分析異常值，或者極端值出現(xiàn)是否有規(guī)律；
邏輯值：篩選更改邏輯上有錯誤的值。
連續(xù)特征離散化：根據(jù)建立的模型分情況處理。
規(guī)范化：將數(shù)據(jù)映射到0-1之間；-1到1之間；均值為0，標(biāo)準(zhǔn)差為1；
了解背景數(shù)據(jù)處理
降維：pca，lda,lle等
采樣：分層采樣，過采樣，欠采樣
特征合并：異名同義，異名同類聚合
篩選特征：利用rf，人工等選擇重要特征
特征轉(zhuǎn)換：將某特征屬性轉(zhuǎn)為各特征。
