Zusammenfassung
Daten aus realen Anwendungen enthalten meist Fehler und Rauschen, müssen skaliert und transformiert werden, und müssen oft aus unterschiedlichen und möglicherweise heterogenen Informationsquellen integriert werden. Fehler in Daten können systematischer oder zufälliger Natur sein. Systematische Fehler lassen sich oft korrigieren. Ausreißer sollten erkannt, entfernt oder korrigiert werden. Ausreißer und Rauschen können durch Filtern reduziert werden. Es wird ein Überblick über verschiedene Filtermethoden mit unterschiedlichen Eigenschaften und Komplexitäten gegeben: gleitende Maße und diskrete lineare Filter mit endlicher oder unendlicher Impulsantwort. Merkmale mit unterschiedlichen Wertebereichen werden meist standardisiert oder transformiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
B. A. Barsky and D. P. Greenberg. Determining a set of B–spline control vertices to generate an interpolating surface. Computer Graphics and Image Processing, 14(3):203–226, November 1980.
S. Butterworth. On the theory of filter amplifiers. Wireless Engineer, 7:536–541, 1930.
A. V. Oppenheim and R. W. Schafer. Discrete–Time Signal Processing. Prentice Hall, 2009.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Runkler, T. (2015). Datenvorverarbeitung. In: Data Mining. Computational Intelligence. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-8348-2171-3_3
Download citation
DOI: https://doi.org/10.1007/978-3-8348-2171-3_3
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-8348-1694-8
Online ISBN: 978-3-8348-2171-3
eBook Packages: Computer Science and Engineering (German Language)