数据预处理：
1.聚集：将两个或者多个对象合并成单个对象。
2.抽样：一种选择数据对象子集进行分析的常用方法。抽象方法：简单随机抽样 和渐进抽样
3.维度约：我觉得翻译的不好，英文明细是降维。降维技术：1.PCA(Principal components Analysis)是一种用于连续属性的线性代数技术，它找出新的属性，这些属性是原属性的线性组合，是相互正交的，并且捕获了数据的最大变差。2.SVD(Singular Value Decomposition)
4.特征子集选择 a：嵌入方法 b：过滤方法 c：包装方法
5.特征创建：由原来的属性创建新的属性。a.特征提取 b.映射数据到新的空间 c.特征构造
6.离散化和二元化
离散化：将连续属性变换成分类属性
二元化：连续和离散属性变换成一个或者朵儿二元属性
7.变量变换：用户变量的所有值的变换
简单函数
规范化或者标准化
相似度和相异性的度量
1.简单属性之间的相似度和相异度
标称的
序数的
区间的或者比率的
2.数据对象之间的相异度
欧几里得距离
闵克夫斯基距离
3.数据对象之间的相似度
余弦相似度
Jaccard相似度
Bregman散度
原文：https://www.cnblogs.com/davidwang456/p/9662496.html