数据挖掘导论学习笔记：第三章 探索数据

3.1鸢尾花数据集

这个数据集包含150种鸢尾花信息，每50种取自三个鸢尾花种之一：Setosa、Versicolour、Virginica。
属性描述：

1. 萼片长度（cm）
2. 萼片宽度（cm）
3. 花瓣长度（cm）
4. 花瓣宽度（cm）
5. 类（S、Ve、Vi）

3.2汇总统计(Summary statistics)

汇总统计指的是用单个数或数的小集合捕获很大的值集的各种特征

3.2.1频率和众数

给定一个在 { v 1 , ⋯   , v i , ⋯   , v k } {\{v_1,\cdots,v_i,\cdots,v_k\}} { v1​,⋯,vi​,⋯,vk​}上取值的分类属性$x$和m个对象单位集合,值$v_i$的频率定义为：
$$frenquency(v_i)=\frac{具有属性值v_i的对象数}{m}$$
值得一提的是，如果使用唯一的值表示遗漏值，则该值常常表示为众数

3.2.2百分位数

对于有序数据，考虑百分位数(percentile)更有意义。具体的定义为：
给定一个有序的或连续的属性$x$和0与100之间的数$p$，第$p$个百分位数$x_p$是一个$x$值，使得$x$的$p\%$的观测值小于