第6章 平面图形的认识（一）【过关检测02】-2020-2021学年七年级数学上册单元复习一遍过（苏科版）（原卷版）.docx
2021-08-08 14:03:41
110KB
第6章 平面图形的认识（一）【真题训练】-2020-2021学年七年级数学上册单元复习一遍过（苏科版）（解析版）.docx
2021-08-08 14:03:41
234KB
第6章 平面图形的认识（一）【真题训练】-2020-2021学年七年级数学上册单元复习一遍过（苏科版）（原卷版）.docx
2021-08-08 14:03:40
193KB
根据观测、调查收集到初步的样本数据集后，接下来要考虑的问题是：样本数据集的数量和质量是否满足模型构建的要求？有没有出现从未设想过的数据状态？其中有没有什么明显的规律和趋势？各因素之间有什么样的关联性？
通过检验数据集的数据质量、绘制图表、计算某些特征量等手段，对样本数据集的结构和规律进行分析的过程就是数据探索。数据探索有助于选择合适的数据预处理和建模方法，甚至可以完成一些通常由数据挖掘解决的问题。
本章从数据质量分析和数据特征分析两个角度对数据进行探索。
6.1 数据质量分析
数据质量分析是数据挖掘中数据准备过程的重要一环，是数据预处理的前提，也是数据挖掘分析结论有效性和准确性的基础，没有可信的数据，数据挖掘构建的模型将是空中楼阁。
数据质量分析的主要任务是检查原始数据中是否存在脏数据，脏数据一般是指不符合要求，以及不能直接进行相应分析的数据。在常见的数据挖掘工作中，脏数据包括：
缺失值
异常值
不一致的值
重复数据及含有特殊符号（如#、￥、*）的数据
本小节将主要对数据中的缺失值、异常值和一致性进行分析。
6.1.1缺失值分析
数据的缺失主要包括记录的缺失和记录中某个字段信息的缺失，两者都会造成分析结果的不准确，以下从缺失值产生的原因及影响等方面展开分析。
（1） 缺失值产生的原因
1） 有些信息暂时无法获取，或者获取信息的代价太大。
2） 有些信息是被遗漏的。可能是因为输入时认为不重要、忘记填写或对数据理解错误等一些人为因素而遗漏，也可能是由于数据采集设备的故障、存储介质的故障、传输媒体的
2021-08-08 13:07:23
657KB
据统计，全国每年因窃电造成的损失都在200亿元左右；被查获的窃电案件不足总窃电案件的30%。如深圳龙岗工业区一家只有两条生产线的小塑料包装厂，一年窃电折价就30-40万元之多，某市窃电行为造成电力设施重大破坏，从而引发的大面积停电事故每年都发生多起。这不仅给国有资产造成巨大的损失，也严重扰乱了供电秩序，威胁到电网安全运行。
如何通过监测数据自动识别偷凭电行为？
基于指标加权的用电异常分析模型，虽然能获得用电异常的某些信息
，但由于终端误报或漏报过多，无法达到真正快速精确定位窃漏电嫌 疑用户的目的，往往令稽查工作人员无所适从。而且在采用这种方法 建模时，模型各输入指标权重的确定需要用专家的知识和经验，具有 很大的主观性，存在明显的缺陷，所以实施效果往往不尽如人意。
2021-08-07 18:11:56
3.38MB
《数据库原理与应用》（第3版）讲稿PPT
2021-08-07 14:03:57
1.22MB