数据挖掘入门笔记（一）--认识数据

俗话说好记性不如烂笔头，书总是读了忘，忘了只好再读。本次就好好记下读书笔记，经后再次查阅就不需再全部重读从砖一厚的书了

1. 数据的基本概念

1.1 数据的描述方法
数据通常有各种属性，其本身的属性决定可对其进行的操作。传统的关系型数据库就是一个对分析对象的数据-属性的描述集。
   属性 不同学科中有不同叫法。数据库/数据挖掘:属性；数据仓库：维；机器学习：特征；统计：变量。
   特征向量：（又称属性向量)用来描述一个给定对象的一组属性
   属性的分类
       标称属性（nominal atribute事物名称）不具有序数意义，可以为枚举类型，可用于分类。操作方法可为中心趋势度量，如众数
       二元属性(binary attribute) 只有两个状态的标称属性：0或1，又叫布尔属性
       序数（ordinal）操作：可用于等级评定，可取众数，中位数，均值无意义
       数值（numeric） 区间标度（interval-scaled）比率标度（ratio-scaled）
       离散/连续

1.2 数据的基本统计描述

   为了把握数据全貌，可用基本统计来识别数据属性

1.2.1 中心趋势度量： 均值，中位数，众数，中列数

算术平均（mean） 加权平均 截尾均值（trimmed mean）

中位数（median）度量倾斜，可用于数值数据，推广至度数数据

众数(mode) 单峰众数经验估计法 : mean - mode 约 =  3* （mean - median）

中列数(midrage) 1/2 (max - min) 

实际中数据多为不对称，可能有倾斜。正倾斜为众数出现在小于中位数的区间（就是坐标轴上峰往左偏），负倾斜相反

1.2.2 散布：极差，四分位数，四分位数极差，五数概括，盒图，方差，标准差

数据散布或发散情况的度量

极差 max - min

1.2.3 数据可视化