数据集成就是间来源于多个不同数据源的数据合并存放在一个一致的数据存储（比如数据仓库）中的过程。
不同数据源的数据之间可能会有不匹配或属性重复，所以要考虑实体识别问题和属性冗余问题。
是指从不同数据源识别出现实世界的实体，它的任务是统一不同源数据的矛盾之处。
常见形式有：同名异义，异名同义，单位不统一等。
实体识别问题就是检测和解决这些冲突。
数据冗余，比如：同一属性出现多次，同一属性命名不一致导致重复等。
冗余属性要先检测，再删除掉。冗余属性用相关性分析也能判断出来。
参考资料：
《Python数据分析和挖掘实战》张良均等
数据集成就是间来源于多个不同数据源的数据合并存放在一个一致的数据存储（比如数据仓库）中的过程。 不同数据源的数据之...
什么是数据挖掘 数据挖掘（Data Mining）又称为：数据中的知识发现（KDD），也就是通过数据清理，数据集成...
系列目录： Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据 Python数据挖掘与机器学习_...
系列目录： Python数据挖掘与机器学习_通信信用风险评估实战(1)——读数据 Python数据挖掘与机器学习_...
Python数据分析与数据挖掘思路分为四大模块：数据获取、数据探索、数据预处理、挖掘建模
数据挖掘引论 一. 数据挖掘(KDD)的基本过程 数据清理（消除噪声和删除不一致数据） 数据集成（多种数据源可以组...
完整解释一个数据挖掘的过程 （1）数据清洗：清除数据噪声和与挖掘主题明显无关的数据（2）数据集成：将来自多个数据源...
数据集成就是将多个数据源合并存放在一个数据存储中（如数据仓库），从而方便后续的数据挖掘工作。 数据集成架构 数据集...
数据挖掘之旅 数据挖掘简介及其应用场景 搭建Python数据挖掘环境 亲和性分析示例：根据购买习惯推荐商品 经典分...
《Python数据分析与挖掘实战.pdf》PDF高清完整版-免费下载 《Python数据分析与挖掘实战.pdf》P...
本文标题：Python数据挖掘006-数据集成
本文链接：https://www.haomeiwen.com/subject/xdusgctx.html
网友评论