⑴ 常用的数据净化方法
1、删除缺失值
当样本数很多的时候，并且出现缺失值的样本在整个的样本的比例相对较小，这种情况下，我们可以使用最简单有效的方法处理缺失值的情况。那就是将出现有缺失值的样本直接丢弃。这是一种很常用的策略。
2、均值填补法
根据缺失值的属性相关系数最大的那个属性把数据分成几个组，然后分别计算每个组的均值，把这些均值放入到缺失的数值里面就可以了。
3、热卡填补法
对于一个包含缺失值的变量，热卡填充法的做法是：在数据库中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不同的问题可能会选用不同的标准来对相似进行判定。最常见的是使用相关系数矩阵来确定哪个变量（如变量Y）与缺失值所在变量（如变量X）最相关。然后把所有变量按Y的取值大小进行排序。那么变量X的缺失值就可以用排在缺失值前的那个个案的数据来代替了。
还有类似于最近距离决定填补法、回归填补法、多重填补方法、K-最近邻法、有序最近邻法、基于贝叶斯的方法等。
异常值通常被称为“离群点”，对于异常值的处理，通常使用的方法有下面几种：
1、简单的统计分析
拿到数据后可以对数据进行一个简单的描述性统计分析，譬如最大最小值可以用来判断这个变量的取值是否超过了合理的范围，如客户的年龄为-20岁或200岁，显然是不合常理的，为异常值。
2、3∂原则
如果数据服从正态分布，在3∂原则下，异常值为一组测定值中与平均值的偏差超过3倍标准差的值。如果数据服从正态分布，距离平均值3∂之外的值出现的概率为P(|x-u| > 3∂) <= 0.003，属于极个别的小概率事件。如果数据不服从正态分布，也可以用远离平均值的多少倍标准差来描述。
3、箱型图分析
箱型图提供了识别异常值的一个标准：如果一个值小于QL01.5IQR或大于OU-1.5IQR的值，则被称为异常值。QL为下四分位数，表示全部观察值中有四分之一的数据取值比它小；QU为上四分位数，表示全部观察值中有四分之一的数据取值比它大；IQR为四分位数间距，是上四分位数QU与下四分位数QL的差值，包含了全部观察值的一半。箱型图判断异常值的方法以四分位数和四分位距为基础，四分位数具有鲁棒性：25%的数据可以变得任意远并且不会干扰四分位数，所以异常值不能对这个标准施加影响。因此箱型图识别异常值比较客观，在识别异常值时有一定的优越性。
4、基于模型检测
首先建立一个数据模型，异常是那些同模型不能完美拟合的对象；如果模型是簇的集合，则异常是不显着属于任何簇的对象；在使用回归模型时，异常是相对远离预测值的对象
优缺点：1.有坚实的统计学理论基础，当存在充分的数据和所用的检验类型的知识时，这些检验可能非常有效；2.对于多元数据，可用的选择少一些，并且对于高维数据，这些检测可能性很差。
5、基于距离
通常可以在对象之间定义邻近性度量，异常对象是那些远离其他对象的对象
优缺点：1.简单；2.缺点：基于邻近度的方法需要O(m2)时间，大数据集不适用；3.该方法对参数的选择也是敏感的；4.不能处理具有不同密度区域的数据集，因为它使用全局阈值，不能考虑这种密度的变化。
6、基于密度
当一个点的局部密度显着低于它的大部分近邻时才将其分类为离群点。适合非均匀分布的数据。
优缺点：1.给出了对象是离群点的定量度量，并且即使数据具有不同的区域也能够很好的处理；2.与基于距离的方法一样，这些方法必然具有O(m2)的时间复杂度。对于低维数据使用特定的数据结构可以达到O(mlogm)；3.参数选择困难。虽然算法通过观察不同的k值，取得最大离群点得分来处理该问题，但是，仍然需要选择这些值的上下界。
7、基于聚类：
基于聚类的离群点：一个对象是基于聚类的离群点，如果该对象不强属于任何簇。离群点对初始聚类的影响：如果通过聚类检测离群点，则由于离群点影响聚类，存在一个问题：结构是否有效。为了处理该问题，可以使用如下方法：对象聚类，删除离群点，对象再次聚类（这个不能保证产生最优结果）。
优缺点：1.基于线性和接近线性复杂度（k均值）的聚类技术来发现离群点可能是高度有效的；2.簇的定义通常是离群点的补，因此可能同时发现簇和离群点；3.产生的离群点集和它们的得分可能非常依赖所用的簇的个数和数据中离群点的存在性；4.聚类算法产生的簇的质量对该算法产生的离群点的质量影响非常大。
噪音，是被测量变量的随机误差或方差。对于噪音的处理，通常有下面的两种方法：
1、分箱法
分箱方法通过考察数据的“近邻”（即，周围的值）来光滑有序数据值。这些有序的值被分布到一些“桶”或箱中。由于分箱方法考察近邻的值，因此它进行局部光滑。
用箱均值光滑：箱中每一个值被箱中的平均值替换。
用箱中位数平滑：箱中的每一个值被箱中的中位数替换。
用箱边界平滑：箱中的最大和最小值同样被视为边界。箱中的每一个值被最近的边界值替换。
一般而言，宽度越大，光滑效果越明显。箱也可以是等宽的，其中每个箱值的区间范围是个常量。分箱也可以作为一种离散化技术使用.
2、回归法
可以用一个函数拟合数据来光滑数据。线性回归涉及找出拟合两个属性（或变量）的“最佳”直线，使得一个属性能够预测另一个。多线性回归是线性回归的扩展，它涉及多于两个属性，并且数据拟合到一个多维面。使用回归，找出适合数据的数学方程式，能够帮助消除噪声。
⑵ 索引有什么优缺点
优点：
1、大大加快数据的检索速度;
2、创建唯一性索引，保证数据库表中每一行数据的唯一性;
3、加速表和表之间的连接;
4、在使用分组和排序子句进行数据检索时，可以显着减少查询中分组和排序的时间。
缺点：
1、索引需要占物理空间。
2、当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，降低了数据的维护速度。
(2)数据库性别字段不宜采用扩展阅读：
发展历史：
索引最早出现于西方，主要是中世纪欧洲宗教着作的索引。18世纪以后西方开始有主题索引，至19世纪末，内容分析索引被广泛使用。中国的索引出现较晚。一般认为，明末傅山所编的《两汉书姓名韵》是现存最早的人名索引。清代乾嘉时期，章学诚曾力倡编纂群书综合索引。
20世纪20年代，随着西方索引理论与编制技术的传入，中国现代意义上的索引编制与研究才蓬勃展开 。1930年钱亚新发表《索引和索引法》，1932年洪业发表《引得说》，标志着具有中国特色的现代索引理论、技术已迅速发展起来。
20世纪50年代，计算机技术被运用于索引编制 。此后，机编索引的大量出现，使索引编制理论、技术、索引载体形式发生了深刻变革。
sql标准中没有涉及索引，但商用关系数据库管理系统一般都支持索引机制，只是不同的关系数据库管理系统支持的索引类型不尽相同。
索引已经成为关系数据库非常重要的部分。它们被用作包含所关心数据的表指针。通过一个索引，能从表中直接找到一个特定的记录，而不必连续顺序扫描这个表，一次一个地去查找。对于大的表，索引是必要的。没有索引，要想得到一个结果要等好几个小时、好几天，而不是几秒钟。
⑶ Oracle数据库中如何选择合适的索引类型
凭借字典的目录，我们可以非常迅速的找到我们所需要的条目。数据库也是如此。凭借Oracle数据库的索引，相关语句可以迅速的定位记录的位置，而不必去定位整个表。 虽然说，在表中是否创建索引，不会影响到Oracle数据库的使用，也不会影响数据库语句的使用。这就好像即使字典没有目录的话，用户仍然可以使用它一样。可是，若字典没有目录，那么可想而知，用户要查某个条目的话，其不得不翻遍整本字典。数据库也是如此。若没有建立相关索引的话，则数据库在查询记录的时候，不得不去查询整个表。当表中的记录比较多的时候，其查询效率就会很低。所以，合适的索引，是提高数据库运行效率的一个很好的工具。 不过，并不是说表上的索引越多越好。过之而不及。故在数据库设计过程中，还是需要为表选择一些合适的索引。宁缺勿滥，这是建立索引时的一个遵循标准。在理论上，虽然一个表可以设置无限的索引。但是，数据库管理员需要知道，表中的索引越多，维护索引所需要的开销也就越大。每当数据表中记录有增加、删除、更新变化的时候，数据库系统都需要对所有索引进行更新。故数据库表中的索引绝对不是多多益善。具体来说，在索引建立上，笔者对大家有如下建议。 建议一：在基数小的字段上要善于使用位图索引。 基数是位图索引中的一个基本的定义，它是指数据库表中某个字段内容中不重复的数值。如在员工信息表中的性别字段，一般就只有男跟女两个值，所以，其基数为2;婚姻状况字段的话，则其只有已婚、未婚、离婚三种状态，其基数就为3;民族一览内也是只有有限的几个值。 对于要查询基数小的字段，如现在用户想查找所有婚姻状况为“已婚”的“女性”时，利用位图索引可以提高查询的效率。这主要是因为标准索引是通过在索引中保存排序过的索引列以及对应的ROWID来实现的。若我们在基数小的列上建立标准索引的话，则其会返回大量的记录。 而当我们在创建位图索引的时候，在Oracle会对整个表进行扫描，并且会为索引列的每个取值建立一个位图。若内容相同，则在位图上会以一个相同的数字表示。此时，若这个字段的基数比较小的话，则若需要实现对整个字段的查询的话，效率就会非常的高。因为此时，数据库只要位图中数字相同的内容找出来即可。 除了在数据表某列基数比较小的情况下，采用位图索引外，我们往往在一些特殊的情况下，也会建议采用位图索引。最常见的情况是，在Where限制条件中，若我们多次采用AND或者OR条件时，也建议采用位图索引。因为当一个查询饮用了一些部署了位图索引的列的时候，这些位图可以很方便的与AND或者Or 运算符操作结合以快速的找出用户所需要的记录。 但是，这里要注意，不是在条件语句中包含运算符的时候，采用位图索引都能够提供比较高的效率。一般来说，只有AND 或者OR运算符的时候，位图索引才会比较具有优势。若此时用户采用大于号或者不等于号作为条件语句中的限制条件的时候，则往往采用标准索引具有更大的优势。 所以，笔者在数据库设置中，一般只有在三种情况下才采用位图索引。一是列的基数比较小，而有可能需要根据这些字段的内容查找相关的记录;二是在条件语句中，用到了AND或者OR运算符的时候。除了这两种情况外，最好能够采用其他适合的索引。第三种情况是，需要用到NULL作为查询的限制条件。因为标准查询一般情况下，会忽略所有的NULL值列。也就是说，若需要查询“所有没有身份证号码”的员工的信息的时候，标准索引并不能够起到加速查询速度的作用。此时，就需要采用位图索引。因为位图索引会记录相关的NULL值列信息。 建议二：创建索引的一些限制条件。 并不说，表或者列建立的索引越多越好。相反，索引建的越多，有时会反而会影响数据库运行的整体性能。所以，在建立索引的时候，仍然会有一些限制条件。 一是不要对一些记录内容比较少的表建立索引。在一个应用系统设计的时候，如设计一个ERP系统的数据库，其虽然有几千张表。但是，并不是每张表都有大量记录的。相反，其中有近一半左右的数据表，可能其存储的数据不会超过百条。如员工登陆帐户密码表、企业部门信息表等等。对于这些记录内容比较少的表，我们建立最好不要为其建立索引。无论是表上的，还是字段上，都不要建立索引。 二是若表中的内容比较大，但是，这个表基本上不怎么查询的时候，则只需要在表上建立索引即可;而不需要在字段上建立索引。如现在在ERP系统中，有一张表是“AD_Table”。其存储的是这个数据库中相关表的信息。这张表只有在数据库设计的时候才会用到。故这张表中的记录虽然比较多，但是由于用户用的比较少，所以，一般没有必要为这张表建立列级别上的索引。而直接用表索引来代替。 三是在一些NULL字段上，要根据实际情况来判断是否要建立索引。如现在有一张人事档案的表格，其上面有两个字段，分别为“身份证号码”与“地区”。有时会为了某个原因，企业需要所有员工都在系统中登记他们的身份证号码，以方便他们办工资卡、社会保险等等。所以人事管理可能需要经常的查询系统，看看有没有没有身份证号码的员工信息。此时，就需要利用条件“IS NULL”来查询我们所需要的记录。故为了提高查询效率，若某个记录可能为空，并且经常需要以NULL为条件进行查询的时候，则最好给这个字段添加一个索引，并且最好建立位图索引。相反，若虽然可能会以NULL这个条件作为查询的限制语句，但是，用的不是很多的时候，则就没有必要为其建立索引。 建议三：多表连接查询的索引设计。 如现在有一个人事管理系统。人事经理想知道员工的社保缴纳情况。他需要知道员工的姓名、职务、户籍性质(农民户口跟居民户口费用不一样)、缴纳的情况等等。但是，这些信息包含在不同的表中。因为为了提高数据库的性能，在表中存储的可能只是某些序号，而不是具体的内容。如在社保表中，存储的是员工对应的编号，而不是员工的名字。所以，要得到这份报表的话，就可能需要关联员工基本信息表、公司组织结构表等表格，才能够查询到用户所需要的内容。 为此，就需要利用Join语句，把这些表格关联起来。为了提高数据库的查询效率，这些用来关联的字段，最好能够建立索引。这可以显着的提高查询的速度。 建议四：在表的更新速度与查询速度之间寻求一个平衡点。 众所周知，索引本身并不影响数据库的使用，其主要是为了提高数据库的查询效率。但是，由于当数据库的表中的数据更新的时候，包括记录的增加、删除、更改等等，都会对虽有的索引进行更新。 很明显，索引虽然可以提高查询速度。但是，也会对一些表的更新操作产生不良的影响。当在表中建立的索引越多，这个不利影响也会越大。故数据库管理员在设置索引的时候，还需要注意，在这两个之间需要一个均衡点。 按照一般的理论来说，当某个表多数用来查询、更新相对来说比较上的话，则要多多采用索引。相反，当某个表记录更新居主导，查询相对来说比较少的话，则不要建立太多的索引，避免对更新的速度差生不利影响。
⑷ 把数据库里面性别的值1和2修改为男和女，是这样写sql语句的吗为什么会错的呢
当然不是这样，乱用；
修改当然是用update 了 ，怎么修改数据还用 select
如下：
update Student set sex ='男' where sex=1
update Student set sex ='女' where sex=2
分开写条理又清楚，又易懂。
⑸ SQL性别字段不宜选择什么
不宜选择0和1 因为很多时候0 1 是有特殊用途的
⑹ 数据库Access用性别字段是否型，选项组控件做性别选择为什么在窗体视图中出现的值是数值而不是男女
需要进行转换，存放是以减少空间占用，便于操作为基础。
祝好运，望采纳。
⑺ 数据库中，性别男女的字段类型怎么定义啊
答
个人拙见。
最好的存储方式是CHAR，性别值很少，固定长度存储，且比较时速度较快。使用数值表示还不是需要转换。
采用 0,1.2等数字表示
利：占用空间少
弊：只有熟悉相关背景才知道具体含义；需要转换。
采用m,f,n 等表示
利：简洁明了
弊：字符看你采用固定字符存储还是可变字符存储。如果可变的话，比较相对较慢
⑻ 性别字段最适合选择什么类型
最适合用枚举字符型。
1、性别字段取值为“男”或者“女”，由于汉字占用两个字段，所以字段长度不能小于2。
考虑到复杂情况，如未知，男转女等特殊情况。也可以用普通字符串。
2、只有“男”“女”两个取值时，也可以使用布尔型。
3、如果为了使表达更简单，数据结构更易懂，还可以用逻辑型。
⑼ 用asp做的页面取oracle的数据库时性别显示1和0 不能显示男，女
你取出数据后你判断一下,如果是1(就显示为男),0(就显示为女)
你不用建立一个单独的表,我的意思是,在一个表里,比如有一个字段(xb)(类型是char(2)),你在这个字段中用1表示为男,0表示为女,在存数据时,如果是男的,就把xb字段响应的行置为1,女的就置为0,读数据时,查询时,那你就设置一个变量,如果结果为1,这个变量就为"男",如果结果为0,这个变量就为"女",然后输出这个变量.
⑽ “学生”表的性别字段在表中定义为什么类型
定义为文本类型。
在表格中，性别的男女是文本内容，所以应该定义为文本。
Excel在用公式表达式进行计算时，常常会用到单元格区域的引用，而遇到比较复杂的公式引用，就会大大降低公式表达式的可读性。为此给特定的单元格区域定义一个字段名，就会大大增加公式的可读性，而且调用方便。