一、數(shù)據(jù)轉(zhuǎn)化
1. 數(shù)據(jù)形態(tài)轉(zhuǎn)化
1）分類(lèi)字段轉(zhuǎn)化為連續(xù)字段页徐，比如汽車(chē)的顏色苏潜，白色黑色需求會(huì)較多，紅色或者其他顏色需求少变勇，因此我們排序后可以給顏色賦值恤左，比如白色1，黑色2贰锁，其他顏色依次類(lèi)推赃梧。 但是一個(gè)很關(guān)鍵的地方就是，分誒字段想要轉(zhuǎn)化為連續(xù)字段豌熄，必須是有等級(jí)有序的授嘀，否則沒(méi)有意義。
2）數(shù)據(jù)離散化锣险，把所有人年齡分成90后蹄皱，80后，因?yàn)槲覀冄芯客活?lèi)型的特點(diǎn)芯肤。
2. 數(shù)據(jù)標(biāo)準(zhǔn)化
標(biāo)準(zhǔn)化的目的就是消除量綱
1）極值標(biāo)準(zhǔn)化巷折，就是把所有值轉(zhuǎn)化為固定區(qū)間，比如（0,100）來(lái)衡量
2）這個(gè)最常用
3. 數(shù)據(jù)一般化：主要是針對(duì)分類(lèi)數(shù)據(jù)崖咨，有時(shí)候分類(lèi)數(shù)據(jù)很多锻拘，我們可以減少一些分類(lèi)數(shù)據(jù)，比如地址信息很詳細(xì)击蹲，但我們不需要這么詳細(xì)署拟，可以直接忽略街道這些信息而只關(guān)注整個(gè)城市
二、數(shù)據(jù)離散化與數(shù)據(jù)擴(kuò)充
目的
1）3）本質(zhì)上就是看看離散化后能不能讓模型跑出結(jié)果歌豺，原來(lái)跑不出來(lái)推穷，離散了以后看看有沒(méi)有一些關(guān)系，比如線性關(guān)系类咧。
2）這個(gè)點(diǎn)不對(duì)馒铃，一般能用連續(xù)數(shù)值型盡量用連續(xù)數(shù)值型蟹腾，只有說(shuō)我們不需要這么精確，才會(huì)轉(zhuǎn)化為離散型數(shù)值区宇，而不是為了配合模型娃殖，先有分析目標(biāo)，再有模型
等寬箱子其實(shí)就是最大值-最小值/組數(shù) 得到組距萧锉，上面圖片組距是3
等分箱子就是每個(gè)間隔箱子個(gè)數(shù)都一樣
實(shí)際操作過(guò)程中我們可以嘗試性的用上述的分法珊随，然后跑下模型，看看效果好不好柿隙。
數(shù)據(jù)擴(kuò)充簡(jiǎn)單了，看下ppt
三鲫凶、數(shù)據(jù)合并與拆分
理論部分如上圖
1) 數(shù)據(jù)合并
重新獲取telco.sav文件打開(kāi)禀崖，第一步我們先生成一部分額外的數(shù)據(jù)集
可以通過(guò)選擇個(gè)案按鈕-隨機(jī)個(gè)案樣本，這一步我們添加10%個(gè)案螟炫，然后復(fù)制數(shù)據(jù)到新數(shù)據(jù)集波附，命名為合并。
第二步開(kāi)始合并昼钻，我們點(diǎn)擊數(shù)據(jù)按鈕-選擇合并文件-添加個(gè)案-打開(kāi)數(shù)據(jù)集-選中剛才的合并-點(diǎn)擊繼續(xù)
只是個(gè)案源打鉤
可以看到多了100多條數(shù)據(jù)掸屡，并且多了個(gè)字段叫做source，原文件是0然评，新文件來(lái)的是1仅财，合并完成
-
變量數(shù)據(jù)合并
image.png
這里還有一個(gè)合并變量按鈕，其實(shí)就是按健值合并碗淌，這一部分其實(shí)直接用sql更加簡(jiǎn)單盏求。
3）內(nèi)部數(shù)據(jù)擴(kuò)充
image.png
這一步其實(shí)就是計(jì)算字段，給表內(nèi)通過(guò)計(jì)算的方式增加計(jì)算字段亿眠。
點(diǎn)擊轉(zhuǎn)換按鈕-計(jì)算變量-我們要計(jì)算家庭人均收入碎罚，在目標(biāo)變量里面輸入家庭人均收入，在數(shù)字表達(dá)式里面輸入income/reside-點(diǎn)擊確定
image.png
結(jié)果如上纳像，多了一列家庭人均收入
