数据词典：数据归约（Data Reduction）

大麦哥

实际挖掘应用所涉及的数据，其数据量往往非常庞大。例如，上海证券交易所自1990年设所进行电子交易以来各种股票的日开盘价、最高价、最低价、收盘价的时间序列数据集，数据量就非常大；又如，用于直肠癌转移诊断的CT扫描图像训练数据，其数据量也非常庞大。对海量数据进行较为复杂的数据分析和数据挖掘工作，需要满足以下条件：一是数据挖掘算法能够支持海量的高维的数据处理；而是计算机硬件设备，例如内存配置，能够满足算法处理大量数据的要求；三是处理时间不受限制。

如果不能满足上述条件，则需要对数据的规模进行缩减，以满足处理要求，这称为数据归约。较为常见的数据归约方法有维归约、数据压缩、数值归约、离散化和概念分层等。

【出处】葛东旭.数据挖掘原理与应用.机械工业出版社，2020年3月第1版.