当您进行数据挖掘时，筛选出需要的数据 - 假人

当你是数据挖掘的时候，有时你会得到比给定项目更多的数据。以下是如何减少你所需要的。

缩小字段

当数据集中有许多变量时，可能很难找到或看到您感兴趣的变量。而且如果你的数据集很大，并且你不需要所有的变量，那么保持额外的资源就不必要地占用资源。所以，你有时需要保留一些变量，并放弃其他。该图显示了KNIME中的一个示例，其中正确的工具称为列过滤器。

<！ - 1 - >

下图显示了此工具的示例设置。

要缩小字段，请在数据挖掘应用程序中查找变量选择工具;这些可以通过其他工具进行数据操作。与其他数据挖掘工具一样，名称因产品而异。查找单词 列，变量， 或 字段， 和 选择 或 过滤的变体。

选择相关案例

在建立模型之前，可以过滤出具有不完整数据的案例。删除不完整的案例是数据选择或 过滤的常见示例。

但是，您如何仅选择您感兴趣的每个细分受众群的相关案例？你会使用数据选择工具。

下图显示了另一个数据挖掘应用程序中的数据选择工具。

<！下一个图显示了如何为另一种选择设置该工具，这个选择基于变量的值。

通常使用这种数据选择，一些应用程序提供各种内置函数来帮助您准确定义所需的情况。这个有一些特殊的功能;它会显示变量的摘要统计信息，并告诉您有多少个案例符合选择标准。大多数数据挖掘应用程序都有用于选择所需案例的工具。在菜单（或搜索）中查找

，选择

或 过滤器。 采样 现在流行的概念是更多的数据是更好的数据。这不是一个新的想法。数据挖掘应用程序一直被开发来处理大量的数据。即使是“数据挖掘”这个名字也意味着数量巨大。但是，通常情况下，使用您的数据样本将为您提供同样有用的信息，使您的工作更轻松，并节省您的时间和资源。抽样在数据挖掘中起着重要的作用。如果数据是平衡的，那么意味着模型在被比较的每个组中都使用了相同数量的个案（在这个例子中，这些组是属性可以改变手和属性没有），即使一个组比那些更多的情况其他在原始数据。之后，将数据拆分，分成一个子集，用于训练模型，另一个用于测试。在平行坐标图中仅使用一个数据样本可以更容易地查看和解释。 （数千点的散点图可能难以阅读！）也许最重要的是，采样只是减少了数据量，所以事情运行得更快。