计划的年龄结构看，…。初步对数据和直方图观测，…是黄金客户，而…可能是潜在客户群。
3. 数据清洗
建立“3-数据插补.xlsx”文件，导入“0-bank_data.xlsx”文件，请你用EXCEL对异常值和缺失值进行插补。 【要求】
（1）请对income属性的离群点，用均值法替换修正。 （2）请将current_act属性的空值，用众数法替换补值。 【提示】
（1）income属性的离群点（异常值）
根据实验8-1的第一小题实验可知income属性的离群点（异常值），可以用公式计算去除异常值后的均值，并用均值替换异常点的income属性。如表8-9所示。设置O4单元格为\，P4单元格为whisker下限，O5单元格为\，P5单元格为whisker上限。
表8-9 离群点统计表
离群点统计 样本总数 样本income总和 异常点数量 均值 公式 =COUNT(E2:E601) =SUM(E2:E601) =COUNTIF(E2:E601,O4&P4)+COUNTIF(E2:E601,O5&P5) 值 600 16535521 2 143641.5 异常点income总和 =SUMIF(E2:E601,O4&P4)+SUMIF(E2:E601,O5&P5) =（样本总和-异常点income总和）/（样本总数-异常点数量） 27411.17 （2）众数求解
方法1：建立一个新列，去除空值的current_act列，将新列用if函数转换为1或0后，用mode.sngl函数求解。
11
由于mode.sngl函数参数必须是数值，所以需要将YES转换为1，NO转换0 。在N2单元格输入公式：=IF(M2=\，向下填充。
根据N列的1和0，使用mode.sngl函数。公式为：=MODE.SNGL(N2:N588) 方法2：可以用countif函数，分别求出YES的个数、NO的个数和空值的个数，比较找出众数。
YES个数。公式为：=COUNTIF(J2:J601,\。值为442 NO个数。公式为：=COUNTIF(J2:J601,\。值为145 空值个数。公式为：=COUNTBLANK(J2:J601)。值为13 4. 数据变换 【要求】
（1）将插补后的“3-数据插补.xlsx”文件另存为“4-bank_data.csv”文件。 （2）启动Weka软件，导入“4-bank_data.csv”文件，对待挖掘的数据进行属性规约和数据离散化后，另存为“4-bank_data.arff”文件。
【提示】
（1）现将xlsx文件另存为csv文件，然后再导入到Weka中，如图8-11~13所示。
12
图8-11 Weka登录界面
图8-12 Weka导入CSV文件前
13
图8-13 Weka导入CSV文件后
（2）对数据进行数据变换。
① 首先，数据规约，删除无用的属性，通常对于数据挖掘任务来说，ID这样的属性信息是无用的，故此，我们将之删除。如图14所示。
图8-14 删除ID属性
② 其次，连续属性的离散化。数据集中，age属性、income属性和children属性都是数值型数据，需要将其转换为标称型数据。
离散化age属性和income属性。勾选age属性和income属性?“choose”? discretize，然后，单击”Discretize-B10-M-0.1-R first-last“，在弹出的对话框中，将分组bin改为3，将”first-last”改为1,4，如图15~17所示。
14
图8-15 Discretize-B10-M-0.1-R first-last 图8-16 bin值改为3
图8-17 修改后的属性类型
③ children属性只有4个取值：0,1,2,3。勾选children属性，单击“choose”按钮，再弹出的下拉列表中，展开无监督学习（unsupervised）前的“+”号和属性（attribute）前的“+”号，选择“NumericToNominal”，并将first-last改为6，单击\按钮，将children类型变成Nominal。如图8-18~20所示。
15