《数据挖掘：概念与技术》学习笔记2

Posted 2020-09-01

　　认识数据

1、数据属性（attribute，可以等同于维dimension、特征feature以及变量variable）

数值属性里面可以求均值（mean平均值）、中位数（median中间值）以及众数（mode最常见的值，一个叫单峰的unimodal,两个双峰bimodal，三个叫三峰trimodal，多个叫多峰的multimodal）。这三个数可以表示中心趋势度量。

涉及一个属性的数据分布叫单变量的univariate，两个的叫bivariate。

(1)标称属性nominal attribute

符号或名称，类别、编码或者状态，可看做分类的categorical或枚举的enumeration

(2)二元属性binary attribute，nominal attribute的一种，取值0或1，布尔属性

(3)序数属性ordinal attribute

值之间具有有意义的序或者秩评定ranking

以上三个都是定性属性。

(4)数值属性numeric attribute

a.区间标度interval-scaled没有真正的0点，例如时间

b.比例标度ratio-scaled有0点，计数的数

(5)离散属性和联系属性

 

度量数据散布：

极差range是最大值max与最小值min之差

分位数quantile是按固定间隔将数据划分成大小相等的连贯集合。

常用的五数概括five-number summary由最小值Minimum,四分位数Q1,Median，Q3,Maximum组成。

方差variance是与平均值的差的平方的和，标准差standard deviation是variance的平方根。