数据挖掘实验一数据预处理

1、实验目的：实验原理：- -WORD 格式-可编辑-专业资料- 实验目的：实验原理：- 实验一、 数据预处理学院 计算机科学与软件学院?（1）熟悉 VC+编程工具和完全数据立方体构建、联机分析处理算法。（2）浏览拟被处理的的数据，发现各维属性可能的噪声、缺失值、不一致性等，针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法。（3）用 VC+编程工具编写程序，实现数据清理、数据变换、数据集成等功能。（4）调试整个程序获得清洁的、一致的、集成的数据，选择适于全局优化的参数。?1 、数据预处理现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰，为提高数据质量进而提高挖掘结果的质

2、量，产生了大量数据预处理技术。数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。2 、数据清理数据清理例程通过填写遗漏的值，平滑噪音数据，识别、删除离群点，并解决不一致来“清理”数据。3 、数据集成 数据集成数据集成将数据由多个源合并成一致的数据存储，如数据仓库或数据立方体。4 、数据变换通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。5 、数据归约使用数据归约可以得到数据集的压缩表示，它小得多，但能产生同样（或几乎同样的）分析结果。常用的数据归约策略有数据聚集、维归

3、约、数据压缩和数字归约等。三、 实验内容：1 、主要代码及注释头文件#include #include #include #include using namespace std; 1、建立存储结构class Sales -完整版学习资料分享- -WORD 格式-可编辑-专业资料- - public: string serial; int market; int posno; string date; int sn; int id; float num; float price; float total; void print() cout serial market posno date s

4、n id num price totalendl; ; 2、打开源 txt 文件，并创建保存的 txt 文件ifstream infile(1020.txt,ios:in); /*string contents;*/ if(infile.fail() 7 cout error open! endl; ofstream outfile(fl.txt,ios:out); if(!outfile) coutopen eror! salsal_size.serial salsal_size.market salsal_size.posno salsal_size.date salsal_size.sn

5、 salsal_size.id salsal_size.num salsal_size.price salsal_size.total; sal_size+; 4、处理数据（1）判断购买数量是否为负if (sali.num0) sali.num=-sali.num; （2）统一日期为流水号前 8 位（既可以填补缺失值，又统一格式，同学们也可以分步做，先填补缺失值再改成统一格式）-完整版学习资料分享实验结果：- -WORD 格式-可编辑-专业资料- 实验结果：- sali.date.assign(sali.serial ,0,8); （3）保存处理过的数据同时删除冗余数据（总额， POS 机号）outfilesali.serial tsali.markettsali.datet sali.sntsali.idtsali.numtsali.priceendl; （4）关闭 txt 文件infile.close(); outfile.close(); 2 、实验数据实验数据保存在 1019、1020、1021三个 txt文件中?处理前的数据（ 1019.txt，只列出了一部分）：处理过程：处理后的部分数据：-完整版学习资料分享- -WORD 格式-可编辑-专业资料- - 处理前的数据（ 1020.txt，只列出了一部分）：处理过程