一、数据转化
image.png
1. 数据形态转化
1）分类字段转化为连续字段，比如汽车的颜色，白色黑色需求会较多，红色或者其他颜色需求少，因此我们排序后可以给颜色赋值，比如白色1，黑色2，其他颜色依次类推。 但是一个很关键的地方就是，分诶字段想要转化为连续字段，必须是有等级有序的，否则没有意义。
2）数据离散化，把所有人年龄分成90后，80后，因为我们研究同一类型的特点。
2. 数据标准化
标准化的目的就是消除量纲
1）极值标准化，就是把所有值转化为固定区间，比如（0,100）来衡量
2）这个最常用
3. 数据一般化：主要是针对分类数据，有时候分类数据很多，我们可以减少一些分类数据，比如地址信息很详细，但我们不需要这么详细，可以直接忽略街道这些信息而只关注整个城市
二、数据离散化与数据扩充
image.png
目的
1）3）本质上就是看看离散化后能不能让模型跑出结果，原来跑不出来，离散了以后看看有没有一些关系，比如线性关系。
2）这个点不对，一般能用连续数值型尽量用连续数值型，只有说我们不需要这么精确，才会转化为离散型数值，而不是为了配合模型，先有分析目标，再有模型
image.png
等宽箱子其实就是最大值-最小值/组数 得到组距，上面图片组距是3
等分箱子就是每个间隔箱子个数都一样
实际操作过程中我们可以尝试性的用上述的分法，然后跑下模型，看看效果好不好。
image.png
数据扩充简单了，看下ppt
三、数据合并与拆分
image.png
理论部分如上图
1) 数据合并
image.png
重新获取telco.sav文件打开，第一步我们先生成一部分额外的数据集
可以通过选择个案按钮-随机个案样本，这一步我们添加10%个案，然后复制数据到新数据集，命名为合并。
image.png
第二步开始合并，我们点击数据按钮-选择合并文件-添加个案-打开数据集-选中刚才的合并-点击继续
image.png
只是个案源打钩
image.png
可以看到多了100多条数据，并且多了个字段叫做source，原文件是0，新文件来的是1，合并完成
-
变量数据合并
image.png
这里还有一个合并变量按钮，其实就是按健值合并，这一部分其实直接用sql更加简单。
3）内部数据扩充
image.png
这一步其实就是计算字段，给表内通过计算的方式增加计算字段。
点击转换按钮-计算变量-我们要计算家庭人均收入，在目标变量里面输入家庭人均收入，在数字表达式里面输入income/reside-点击确定
image.png
结果如上，多了一列家庭人均收入
