1分箱
分箱：指把待处理的数据按照一定的规则放进“箱子”中，采用某种方法对各个箱子中的数据处理
1）等深分箱法：每个箱子具有相同的记录数，这个记录数称作箱子的深度
2）等宽分箱：在整个数据值的区间上平均分割，使得每个箱子的区间相等，这个区间被叫做箱子的宽度
3）用户自定义分箱：根据自定义的规则分箱
举例：以下是客户收入属性的取值，请分箱处理：1000 800 1200 1800 1500 1500 2000 2300 2500 2800 3500 3000 3500 4000 4500 4800 5000
分箱之前应该排序：800 1000 1200 1500 1500 1800 2000 2300 2500 2800 3000 3500 4000 4500 4800 5000
1 等深分箱{箱子深度为4（能装4个记录）}
箱子1（800 1000 1200 1500 ） 箱子2（1500 1800 2000 2300 ） 箱子3（2800 3000 3500 4000） 箱子4（4000 4500 4800 5000）
2 等宽分箱{箱子的宽度为700}
箱子1(x>=800&&x<1500)(800 1000 1200 1500 1500) 箱子2（x>=1500&&x<2300）（1800 2000） 箱子3（x>=2300&&x<3000）(2300 2800 )
箱子4（x>=3000&&x<3700）(3000 3500) 箱子5（x>=3700&&x<4400）（4000 4000 ）
箱子6（x>=4400&&x<5100）（4500 4800 5000）
平滑处理
分箱之后对每个箱子的数据进行平滑处理。
1）按照平均值：对一给箱子的数据求平均值，用均值代替箱子中的所有数据
2）按中值：
3）按边界值：对箱子中的每一个数据，使用离边界较小的边界值代替箱子中的所有数据
举例子，对等宽分箱的数据进行平滑处理
1）按照均值，箱子1（1200x5）箱子2（1900x2）箱子3（2550x2）箱子4（3250x2）箱子5（4000x2）箱子6（4766x3）
2）按照中值，箱子1（1100x5）箱子2（1900x2）箱子3（2550x2）箱子4（3250x2）箱子5（4000x2）箱子6（4800）
3）按照边界值，箱子1（800x5）箱子2（1500x2）箱子3（2300x2）箱子4（3700x2）箱子5（4000x2）箱子6（4500x3）
属性值变换（数据标准化）：指属性值按照比例缩放。使之落入一个特定的区间，以消除数值型属性因大小不一而造成的挖掘效果的偏差。数据标准化的方法有四种：
1 最大-最小标准化，已知属性的原范围使[odd_min,odd_max]将其通过公式
x'=[(x-odd_min)/(odd_max-odd_min) ] *(new_max-new_min)+new_min
从而映射到[new_min,new_max]
属性范围变换为[new_min,new_max]
2 0-1标准化是最大-最小标准化的一种特殊形式，即new_min=0,new_max=1。
变换后的范围[0,1]
3 零-均值标准化，适用于数据符合正态分布的情况。
x'=（x-均值）/标准差
方差的算数平方根为标准差
4 小数定标标准化，通过移动小数点的位置，使属性值映射到[0,1]之间
变换后的属性范围[0,1]
举例：假定用于分析的数据为属性为age的数据，采集到的age的属性值为：13 15 16 16 19 20 20 21 22 22 25 25 25 30 33 33 35 35 35 35 36 40 45 47 52 70。用最大标准化将范围映射到[0.0,1.0]
