常用的資料預處理方法

　　常用的資料預處理方法是：

　　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、基於概念樹的資料濃縮方法。在資料庫中，許多屬性都是可以進行資料歸類，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、資訊理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，其演算法基本上可以分為兩類：資料立方方法和麵向屬性歸納方法。

　　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演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、遺傳演算法。遺傳演算法是一種基於生物進化論和分子遺傳學的全域性隨機搜尋演算法。遺傳演算法的基本思想是：將問題的可能解按某種形式進行編碼，形成染色體。

　　資料的預處理是指對所收集資料進行分類或分組前所做的稽核、篩選、排序等必要的處理；主要方法有資料清理，資料整合，資料變換，資料歸約等。

　　資料清理；資料清理例程透過填寫缺失的值、光滑噪聲資料、識別或刪除離群點並解決不一致性來“清理”資料。主要是達到如下目標：格式標準化，異常資料清除，錯誤糾正，重複資料的清除。資料整合；資料整合例程將多個數據源中的資料結合起來並統一儲存，建立資料倉庫的過程實際上就是資料整合。資料變換；透過平滑聚集，資料概化，規範化等方式將資料轉換成適用於資料探勘的形式。資料歸約；資料探勘時往往資料量非常大，在少量資料上進行挖掘分析需要很長的時間，資料歸約技術可以用來得到資料集的歸約表示，它小得多，但仍然接近於保持原資料的完整性，並結果與歸約前結果相同或幾乎相同。

　　1、因實驗室廢氣含有酸鹼和vocs廢氣，一般需要先透過淨化塔酸鹼中和去除酸鹼廢氣，在透過光氧催化和活性炭吸附去除有機廢氣，具體要根據實驗室廢氣的種類、濃度、風量來選擇高效、經濟的廢氣處理方法。

　　2、無機廢氣。主要包括：氮氧化物、硫酸霧、氯化氫、氟化氫、硫化氫、二氧化硫等無機廢氣。

　　3、有機廢氣。主要包括芳香類：苯、甲苯、二甲苯、苯乙烯等；醛酮類：甲醛、乙醛、戊二醛、丁醛、丙酮、環己酮、甲乙酮、苯乙酮等；酯類：醋酸異丁酯、醋酸乙酯、醋酸丁酯、醋酸甲酯、香蕉水等；醇類：甲醇、乙醇、丁醇、異丙醇、乙二醇等。