数据分析笔试错题要点及解析

1、为数据的总体分布建模，把多维空间划分成组等问题，属于数据挖掘中的哪一类任务：建模描述

2、假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15,35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ ：第二个

   解析：

            连续属性离散化有三种常用方法：

                     等宽法：将属性的值域分成具有相同宽度的区间，区间的个数由数据本身的特点决定。

                     等频法：将相同数量的记录放进每个区间。

                     基于聚类分析的方法：需要用户指定簇的个数，从而决定产生的区间数。

3、数据的属性类型：

标称属性(nominal attribute)的值是一些符号或事物的名称。 标称属性是定性数据，不能进行定量计算。

二元属性(binary attribute)是一种标称属性，只有两个类别或状态：0和1，其中0通常表示该属性不出现，而1表示出现。二元属性又称布尔属性，如果两种状态对应于true和false的话。

•        一个二元属性是对称的，如果它的两种状态具有相同价值并且携带相同的权重；即，关于哪个结果应该用0或1编码并无偏好。比如性别。
•         一个二元属性是非对称的，如果其状态的结果不是同样重要的，比如艾滋病毒化验的阳性和阴性结果。

序数属性(ordinal attribute)，其可能的值之间具有有意义的序或秩评定(ranking)，但是相继值之间的差是未知的。比如，成绩有A+, A, A-, B+, B等。

数值属性(numeric attribute)是定量的，即它是可度量的量，用整数或实数值表示。 数值属性可分为区间标度或