清理监控数据：离群值和重新标记向导

　　在对数据进行初始分析以后，下一步是确定句是否为干净的。很多情况下，数据可能会具有未知的值，这些值可能不会添加有用的信息，或者可能具有不想在分析时予以考虑的离群值。需要对此类监控数据进行清理以便具有一个良好的挖掘模型。通常情况下，监控数据挖掘模型创建要求某一列中的数据是一致的。劣种的每一个非重复值都有独特的一样，一次应该检查每一列，以确保不存在多个相同含义的值。可以使用重新标记向导快速更正某一列中的这种不一致问题。另一个典型的应用场景是，某一列中具有很多不同的值，但可以将这些值汇总为较少的值。例如，Marital Status列可能具有Single、Divorced、Widowed以及其他值。
　　Clean Data组提供了两个向导，分别称为离群值和重新标记。离群值向导可以帮助你检测某个特定列中的离群值并将其删除，而重新标记向导使可以轻松地将某一列中的数据更改为所需的值。为了了解这些向导，首先请在要使用的表中进行一些更改。若要开始，请在Source Data工作表中将单元格F4和F13更改为Some College。
　　可以通过多种方式来检测在Excel工作表中的不同位置输入的具有重复意义的值。一种方法是使某个列标题上的筛选控件向下。如果对Education列执行此操作，可以看到Partial College和Some College，它们具有相同的含义。现在，可以使用清理监控数据重新标记向导快速更正这些问题。
　　（1）通过在Data Mining功能区上单击Clean Data并选择Re-label来启动重新标记向导。
　　（2）在Select Source Data页面上，使用默认的Source Data表选择，然后单击Next按钮。
　　（3）在Select Column页面上选择Education列，然后单击Next按钮。
你将看到Education列上的各个值以及具有这些值的行计数。可以在该对话框中提供新的标签来替换现有标签。
　　（4）Select Destination页面提供了三个选项用于应用所选的新值。第一个选项是向当前工作表中添加新的一列。第二个选项是将具有更改的工作表数据复制到一个新的工作表中。第三个选项是就地更改数据。请注意，Re-label Wizard执行的操作无法还原。对于选项三来说，这一点非常重要。因此为了安全起见，应该使用选项一或者选项二。
　　（5）选择选项二创建一个新的工作表，然后单击Finish按钮。你应该看到向导在Education列的旁边添加新的一列Education2，并将单元格G4和G13的值设置为Partial College。现在可以将各个Education值进一步整合为两个值，Has Bachelors和No Bachelors，用于表示某位客户是否具有学位。Re-label Wizard提供了一个简单易用的界面，可以对工作表中某一列的各个值进行全面的更改。该向导可以用于整合值以确保一致性，或者用于许多其他目的，以便快速查看和修改某一列中的所有值。