Trong chuyển đổi dữ liệu, dữ liệu được biến đổi hoặc kết hợp thành dạng phù hợp cho khai thác. Chuyển đổi dữ liệu có thể bao gồm:
Làm Mịn (Smoothing) − Loại bỏ nhiễu từ dữ liệu. Các phương pháp: binning, hồi quy, cụm.
Tổng Hợp (Aggregation) − Áp dụng phép tóm tắt/tổng hợp cho dữ liệu. Ví dụ: dữ liệu bán hàng hàng ngày tổng hợp thành tổng tháng và năm. Giai đoạn này thường dùng tạo khối dữ liệu cho phân tích ở nhiều mức độ chi tiết.
Tổng Quát Hóa (Generalization) − Thay thế dữ liệu cấp thấp hoặc "nguyên thủy" (thô) bằng khái niệm cấp cao hơn qua hệ thống khái niệm. Ví dụ: thuộc tính phân loại như đường phố tổng quát thành thành phố hoặc quốc gia. Tương tự, giá trị số như tuổi ánh xạ thành trẻ, trung niên, già.
Chuẩn Hóa (Normalization) − Thuộc tính dữ liệu được co giãn để nằm trong phạm vi nhỏ xác định, như -1.0 đến 1.0, hoặc 0.0 đến 1.0.
Xây Dựng Thuộc Tính (Attribute Construction) − Tạo mới thuộc tính từ tập thuộc tính cho sẵn để hỗ trợ quá trình khai thác.
Làm mịn là dạng làm sạch dữ liệu, đã đề cập trong quá trình làm sạch dữ liệu nơi người dùng chỉ định biến đổi để sửa lỗi không nhất quán. Tổng hợp và tổng quát hóa là dạng giảm dữ liệu. Thuộc tính được chuẩn hóa bằng cách co giãn giá trị để nằm trong thứ tự nhỏ xác định, như 0.0 đến 1.0.
Chuẩn hóa đặc biệt hữu ích cho thuật toán phân loại chứa mạng nơ-ron, hoặc đo khoảng cách như phân loại nearest-neighbor và cụm. Nếu dùng thuật toán backpropagation mạng nơ-ron cho khai thác phân loại, chuẩn hóa giá trị đầu vào cho mỗi thuộc tính đo trên tuple huấn luyện sẽ giúp tăng tốc giai đoạn học.
Với phương pháp dựa trên khoảng cách, chuẩn hóa giúp ngăn thuộc tính ban đầu có phạm vi lớn (ví dụ: thu nhập) lấn át thuộc tính phạm vi nhỏ (ví dụ: thuộc tính nhị phân). Các phương pháp chuẩn hóa dữ liệu:
Chuẩn Hóa Min-Max − Triển khai biến đổi tuyến tính trên dữ liệu gốc. Giả sử min_A và max_A là giá trị min/max của thuộc tính A. Chuẩn hóa min-max ánh xạ giá trị v của A thành v' trong khoảng [new_min_A, new_max_A] bằng công thức:
$$v'=\frac{v-min_{A}}{max_{A}-min_{A}}(new\_max_{A}- new\_min_{A})+new\_min_{A}$$
Chuẩn Hóa Z-Score − (chuẩn hóa trung bình bằng 0) Giá trị thuộc tính A chuẩn hóa dựa trên trung bình và độ lệch chuẩn của A. Giá trị v của A chuẩn hóa thành v' bằng:
$$v'=\frac{v-A'}{\sigma_{A}}$$
trong đó A' và σ_A là trung bình và độ lệch chuẩn của thuộc tính A. Phương pháp này hữu ích khi min/max thực tế của A không biết, hoặc có giá trị ngoại lai chi phối chuẩn hóa min-max.
Thang Số Thập Phân (Decimal Scaling) − Chuẩn hóa bằng cách dịch điểm thập phân của giá trị thuộc tính A. Số điểm dịch dựa trên giá trị tuyệt đối tối đa của A. Giá trị v của A chuẩn hóa thành v' bằng:
$$v'=\frac{v}{10^{j}}$$
Trong đó j là số nguyên nhỏ nhất sao cho Max(|v'|) < 1.