（三）数据的变换

导读

数据规范化（归一化）处理：消除指标间的量纲和取值范围差异的影响。

1.规范化

前提是数据格式统一；一些数据挖掘算法，特别是某些基于距离的聚类和分类算法，例如kmeans，libsvm等，要求数据是[-1,1],或者是[0-1]，因此，往往需要把数据进行归一化或规范化处理；

#最小最大规范化

normValue1=(dfDeathsMalaria$value-min(dfDeathsMalaria$value))/(max(dfDeathsMalaria$value)-min(dfDeathsMalaria$value))

#零-均值规范化

normValue2=scale(dfDeathsMalaria$value)

#小数定标规范化

index=ceiling(log(max(abs(dfDeathsMalaria$value)),10))#ceiling：向上舍入取接近的整数

normValue3=dfDeathsMalaria$value/10^index

#打印结果

data_norm=cbind(normValue1,normValue2,normValue3)

round(data_norm,3)#四舍五入，保留3位小数

2.连续变量离散化

因此，往往需要把连续的属性离散化。

3.新属性构造

#模拟生成119个患者的年龄数据

ageArray

#自定义函数if-else

ageStats

if(30

result

}

elseif(50

result

}

else{

result

}

result

}

#用打印结果

for(ageinageArray){

print(ageStats(age))

}

·END·

Keep Learning

超乎想象的体验