数据学习笔记

数据源 → 数据收集 → 数据清洗 → 数据库/数据表 → 缺失数据补充 → 数据展示

数据展示方法：直方图、线图、点图、分布图等

缺失数据（Unknown Values）补充：

1. 删除未知点：当过多参数缺失值时
2. 以最频繁值填充：比如平均数mean
3. 以关联 columns (variables)数据填充：比如找其他参数接近的值填充（法3比法2好、准确）
4. 以相似 rows (observations)数据填充：（以欧式距离）计算距离，根据距离分配权重（用高斯kernel方程：knnImputation()），距离增加权重降低 （法4更合理，但要考虑到“不相关变量”的影响和超大数据的计算复杂性→可以用取样本计算做估计）