1、什么是数据规约？

2、维度规约和数据规约是一回事吗，两者之间的不同体现在哪里？

3、数据规约的常见方法是什么，可以列举2-3种方法。

4、实践方面，数据规约体现在属性规约和数值规约方面的编程可以怎么实现？

数据预处理——数据规约

数据规约产生更小且保持完整性的新数据集，在规约后的数据集上进行分析和挖掘将提高效率。

一、属性规约

属性规约通过属性合并创建新属性维数，或者通过直接删除不相关的属性来减少数据维数，

从而提高数据挖掘的效率，降低计算成本。属性规约常见的方式如下表所示：二、数值规约

1.直方图

x=[1,1,5,5,5,5,8,8,10,10,10,10,14,14,14,14,15,15,15,15,15,15,18,18,18,18,18,18,18,18,18,20,2,20,20,20,20,20,20,21,21,21,25,25,25,25,25,28,28,30,30,30]

x=pd.Series(x)

count=x.value_counts()

count.plot(kind='bar')

plt.show()

s=pd.cut(x,bins=[0,10,20,30])

s.value_counts().plot(kind='bar')

2.聚类

使用数据的簇替换实际数据

3.抽样

（1）无放回简单抽样

（2）有放回简单抽样

（3）聚类抽样

（4）分层抽样

4.参数回归

将所有数据规约成线性（或对数线性）函数，线上对应的点可以近似看做

已知点。