空間資料挖掘在擷取資料後第一件事情就是對資料進行預處理。
預處理原因：資料品質差
- 資料不完整
- 噪聲
- 不同資料源擷取的統一資料不一緻
而高品質的資料才有高品質的結果，預處理目的有兩個，提高資料品質，加快挖掘資訊的速率。
預處理的主要任務有：
- 資料清理：填空缺，去噪聲（這兩個一般用插值），識别或删除離群值（與實際情況偏離較大但是不是噪聲的有用點），解決不一緻（看資料的可靠性之類的）
- 資料內建：內建到資料庫，資料立方體（邏輯上等同于EXCEL資料透視表），檔案
- 資料歸約：資料集簡化的表示，了解為小資料集，能得到大資料集相同或相似的結果。主要方法有給出特征子集（就是删多餘資料），主成分分析。
- 資料變換：規範化。
- 資料離散化：離散化資料，概念分層。各種劃分方法：分級，直方圖，聚類，決策樹~
具體處理不說了，一般來說就是正常統計方法和線性平滑。
新出來的概念大概是資料庫、資料倉庫和資料立方體。
資料倉庫：一個面向主題的、內建的、時變的、非易失的資料集合，支援管理部門的決策過程。
資料庫與資料倉庫差別
（感覺類似面向流程和面向對象~蜜汁感覺）
資料倉庫基于多元資料模型，其中資料立方體最為典型。
看了一大圈，才發現思想和EXCEL資料透視圖一樣一樣的。就是能把不同的次元抽出來可視化，但實際底層儲存應該還是和資料庫差不多，都是一張張表。
事實表對應資料庫，維表對應資料倉庫，不同的維組成資料立方體。對某一資料立方體能進行上卷、下鑽、切片和切塊、轉軸等操作。
上卷：某一次元進行合并，比如6個城市歸并到兩個國家。
下鑽：與上卷對應，2個國家拆成6個城市。
切塊：隻取資料立方體一部分研究，得到立方體一塊。
切片：隻取資料立方體一個次元裡面的一項。如之前研究全國，現在隻研究一個城市。
轉軸：坐标轉換...
最後，上升到專業——空間資料挖掘預處理。
emmm，感覺沒啥多的東西，就是把人家資料挖掘的東西套在地理層面上...
空間資料倉庫：面向主題的、內建的、時變的和非易失性的空間和非空間資料的集合，支援空間資料挖掘和與空間資料相關的決策過程。（真就生搬硬套概念...）
實作方面主要多了GIS技術，采用星型/雪花模式。
（大的事實表催生各種次元表）
空間資料立方體可以有三個基本維：非空間維（非空間資料，如降雨，氣溫），矢量維（矢量資料）和栅格維（栅格資料）。以及催生了4種混合維。
最後講空間資料挖掘的時候，感覺總體向空間資料倉庫偏移，然後有種努力想建立體系但是又很雜反而說不出來很多東西的感覺...（當然，也有可能我太菜了QAQ，反正就是建立不了體系，這章其實讀下來，通篇就四個字，資料倉庫....）