Ito ay isang data mining technique na nagbabago ng raw data sa isang nauunawaang format Raw data(real world data) ay palaging hindi kumpleto at ang data na iyon ay hindi maipapadala sa pamamagitan ng isang modelo. Magdudulot iyon ng ilang partikular na pagkakamali. Iyon ang dahilan kung bakit kailangan nating i-preprocess ang data bago ipadala sa pamamagitan ng isang modelo.
Bakit kailangan nating i-preprocess ang data?
Ang preprocessing ng data ay mahalaga sa anumang proseso ng data mining dahil direktang nakakaapekto ang mga ito sa rate ng tagumpay ng proyekto … Sinasabing hindi malinis ang data kung wala itong attribute, value ng attribute, naglalaman ingay o outlier at duplicate o maling data. Ang pagkakaroon ng alinman sa mga ito ay magpapababa sa kalidad ng mga resulta.
Ano ang ibig mong sabihin sa preprocessing ng data?
Ang
Data preprocessing ay ang proseso ng pagbabago ng raw data sa isang nauunawaang format. Ito rin ay isang mahalagang hakbang sa pagmimina ng data dahil hindi kami maaaring gumana sa hilaw na data. Dapat suriin ang kalidad ng data bago ilapat ang machine learning o data mining algorithm.
Dapat ko bang iproseso ang data ng pagsubok?
Ang pangunahing diwa nito ay: Hindi ka dapat gumamit ng preprocessing na paraan na nilagyan ng sa buong dataset, upang baguhin ang data ng pagsubok o tren. Kung gagawin mo ito, hindi sinasadyang nagdadala ka ng impormasyon mula sa train set papunta sa test set.
Bakit kailangan nating paunang iproseso ang data bago magsagawa ng pagsusuri dito?
Ang
Data preprocessing ay maaaring sumangguni sa pagmamanipula o pag-drop ng data bago ito gamitin upang matiyak o mapahusay ang performance, at ito ay isang mahalagang hakbang sa proseso ng data mining. … Maaaring magdulot ng mga mapanlinlang na resulta ang pagsusuri ng data na hindi pa nasusuri nang mabuti para sa mga naturang problema.
