数据挖掘实验一数据预处理.docxVIP

实验一、数据预处理学院计算机科学与软件学院实验目的：（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。实验原理：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#includeiostream#includestring#includefstream#includealgorithmusing namespace std;1、建立存储结构class Sales{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 sn 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()){7cout error open! endl;}ofstream outfile(fl.txt,ios::out);if(!outfile){coutopen eror!endl;exit(1);}3、访问 txt 文件中的数据while(!infile.eof())//判断 txt 是否结束{infile sal[sal_size].serial sal[sal_size].market sal[sal_size].posnosal[sal_size].date sal[sal_size].sn sal[sal_size].id sal[sal_size].numsal[sal_size].price sal[sal_size].total;sal_size++;}4、处理数据（1）判断购买数量是否为负if (sal[i].num0){sal[i].num=-sal[i].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）sal[i].date.assign(sal[i].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）outfilesal[i].serial \tsal[i].market\tsal[i].date\tsal[i].sn\tsal[i].id\tsal[i].num\tsal[i].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文件中实验结果：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：处理前的数据（1020.txt，只列出了一部分）：处理过程：处理后的部分数据：处理前的数据（1021.txt，只列出了一部分）：处理过程：处理后的部分数据：