数据处理的特点是数据输入输出量大，计算相对简单。
查看预测变量的样本分布，发现是一个不平衡的数据，这在现实中也是经常遇见的，对于不平衡的数据分布，处理办法也有很多。
其中有种boosting的方法在机器学习中是很常见的概念，随机森林就是类似，给予不同树不同权重。
机器学习类别不平衡处理之欠采样（undersampling） ,类别不平衡就是指分类任务中不同类别的训练样例数目差别很大的情况，常用的做法有三种，分别是欠采样， 过采样， 阈值移动。





扩展资料

数据处理的过程大致分为数据的准备、处理和输出3个阶段。在数据准备阶段,将数据脱机输入到穿孔卡片、穿孔纸带、磁带或磁盘。
这个阶段也可以称为数据的录入阶段。数据录入以后，就要由计算机对数据进行处理，为此预先要由用户编制程序并把程序输入到计算机中，计算机是按程序的指示和要求对数据进行处理的。所谓处理,就是指上述8个方面工作中的一个或若干个的组合。最后输出的是各种文字和数字的表格和报表。
数据处理系统已广泛地用于各种企业和事业，内容涉及薪金支付，票据收发、信贷和库存管理、生产调度、计划管理、销售分析等。
它能产生操作报告、金融分析报告和统计报告等。数据处理技术涉及到文卷系统、数据库管理系统、分布式数据处理系统等方面的技术。
此外，由于数据或信息大量地应用于各种各样的企业和事业机构，工业化社会中已形成一个独立的信息处理业。数据和信息，本身已经成为人类社会中极其宝贵的资源。信息处理业对这些资源进行整理和开发，借以推动信息化社会的发展。
参考资料来源：百度百科-数据处理