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。
- 描述顾客对象的属性可能包括:customer_id,name和adress;
- 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
- 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)。
- 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
- 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。
- 二元属性又称布尔属性,如果两种状态对应的是 true 和 false。
- 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
- 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
- 是定量的可度量的量,用整数或实数表示。
- 可以是区间标度的或比率标度的。
- 数值属性的分类
- 区间标度(interval-scaled)属性(温度属性,一般表示:10℃~15℃)。
- 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)。