常用的數據預處理方法

常用的數據預處理方法是：

1、墓於粗糙集理論的約簡方法。粗糙集理論是一種研究不精確、不確定性知識的數學工具。

2、基於概念樹的數據濃縮方法。在數據庫中，許多屬性都是可以進行數據歸類，各屬性值和概念依據抽象程度不同可以構成一個層次結構，概念的這種層次結構通常稱為概念樹。

3、信息論思想和普化知識發現。特徵知識和分類知識是普化知識的兩種主要形式，其算法基本上可以分為兩類：數據立方方法和麪向屬性歸納方法。

4、基於統計分析的屬性選取方法。可以採用統計分析中的一些算法來進行特徵屬性的選取，比如主成分分析、逐步迴歸分析、公共因素模型分析等。

5、遺傳算法。遺傳算法是一種基於生物進化論和分子遺傳學的全局隨機搜索算法。遺傳算法的基本思想是：將問題的可能解按某種形式進行編碼，形成染色體。