五、数据对象和属性类型

1.数据对象

数据集由数据对象组成一个数据对象代表一个实体。通常数据对象用属性描述，又称样本、实例或数据点。

• 销售数据库中 ：对象可以顾客、商品或销售；
• 医疗数据库中，对象可以是医生或患者；
• 大学数据库中，对象可以是学生、教授和课程；

2 属性的概念

属性是一个数据字段，表述数据对象的一个特征。通常情况下，属性、维、特征和变量表示的是同一个意思。

1. 描述顾客对象的属性可能包括：customer_id，name和adress；
2. 描述学生对象的属性可能包括：student_id，sname，score；
   一个属性的类型由该属性可能具有的值的集合决定。属性可以是标称的、二元的、序数的或数值的。

3 标称属性

标称属性的特点

• 标称属性的值是一些符号或事物的名称。
• 每个值代表某种类别、编码、状态，因此标称属性又被看做是分类的（categorical）。
• 标称属性的值不具有有意义的序，而且不是定量的。（也就是说，给定一个对象集，找出这种属性的均值没有意义。

标称属性的注意事项

1. 这些值不必具有有意义的序，在计算机科学中，这些值也被看做是枚举的（enumeration）。
2. 尽管标称属性的值是一些符号或“事物的名称”，但也可以用数表示这些符号或名称，如 hari_color，可以用 0 表示黑色，1 表示黄色
   例子：hair_color（头发颜色）、marital_status（婚姻状况）、occupation（职业）。

4 二元属性

二元属性的特点

1. 二元属性是一种标称属性，只有两个状态：0 或 1，其中 0 通常表示该属性不出现，1 表示出现。
2. 二元属性又称布尔属性，如果两种状态对应的是 true 和 false。
3. 对称的二元属性：如果两种状态具有同等价值，并且携带相同权重，如表示性别，则 0 和 1 分别表示男性或女性没有影响
4. 非对称的二元属性：两种状态的结果不是同等重要的，如 HIV 患者和不是 HIV 患者，为了方便计，将用 1 对最重要的结果（通常是稀有的）编码（如，HIV 患者），而另一个用 0 编码。

5 序数属性

• 序数属性的特点
  属性对应的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。（也就是对应的值有先后次序）
• 序数属性的例子
  例：drink_size，表示饮料杯的大小：小、中、大，这些值具有有意义的先后次序。
  序数属性可以通过把数值量的值域划分成有限个有序类别（如，0-很不满意、1-不满意、2-中性、3-满意、4-很满意），把数值属性离散化而得到。
  标称、二元和序数属性都是定性的，即，它们描述对象的特征，而不给出实际大小或数值。

6 数值属性

• 数值属性的特点

1. 是定量的可度量的量，用整数或实数表示。
2. 可以是区间标度的或比率标度的。

• 数值属性的分类

1. 区间标度（interval-scaled）属性（温度属性，一般表示：10℃~15℃）。
2. 比例标度属性：具有固有零点的属性(属性中会有固有的为 0 的值)。