Wstępne przetwarzanie danych

Transformacja

Wartości mierzonych cech mają swoje jednostki (np.: kHz, dB, MPa, mm). Jednostka, w której rejestrowane są wartości danej cechy, może w znaczący sposób wpływać na wyniki analizy danych. Zakres wartości wpływa bowiem na „wagę” danej cechy. Pojawiają się zatem pytania, w jakich jednostkach rejestrować dane, w paskalach czy megapaskalach, metrach czy milimetrach? Receptą na tego typu niedogodności są normalizacja oraz skalowanie zmieniające zakres wartości cech do przedziału -1–1 lub 0–1 (rys. 3).

Oprócz uzyskania bardziej wiarygodnych wyników poprawia to także efektywność procesu eksploracji danych.

Oprócz normalizacji i skalowania transformacja może obejmować kilka innych działań, takich jak wygładzanie, związane z usuwaniem szumów w danych, oraz agregacja wartości, polegająca na uwzględnianiu jedynie wartości zagregowanych, np. na sumy dobowej liczby usterek zamiast wartości uzyskiwanych co godzinę.

Dyskretyzacja wartości

Ostatnim krokiem wstępnego przetwarzania danych jest dyskretyzacja wartości. Nie zawsze jest ona wymagana. Jej zastosowanie zależy zarówno od planowanych do użycia metod eksploracji, ale także od wyników, jakie chcemy uzyskać. Pozwala bowiem osiągnąć większe uogólnienie wyników poprzez zastosowanie bardziej ogólnych wartości cech. Dyskretyzacja dotyczy wyłącznie cech o wartościach liczbowych (najczęściej w postaci liczb rzeczywistych). Polega ona na zamianie tych wartości na wartości dyskretne. Zakres wartości cechy dzielony jest na pewną liczbę przedziałów, którym następnie przypisane są odpowiednie kody symboliczne. Co istotne, przedziały te nie muszą mieć interpretacji (jak np. ciśnienie niskie, średnie, wysokie), a jedynie musi być zachowany ich porządek.

Galeria

Zobacz więcej