数据挖掘导论读书笔记

本文主要对相关系数做出介绍，了解各种相似性和相异性度量的方法，以及适用的场景。

一、 数据类型
 首先对数据的类型进行介绍：在统计学上，将数据分为定性和定量两种类型。定量数据表示事物的数量或者个数，用数值标度度量。例如：转账的金额1000/次，转账的笔数2次/月。定性数据是指的没有量的解释，它们只能分类，例如：性别，职业，学历等。因为用来描述和分析数据的合适的统计工具依赖于数据类型的，因此，区别定量数据和定性数据很重要。
  定性数据的图形描述方法常用的是条形图和饼图。条形图给出相应的每一类的频数（或者相对频率），长方形的高度或者长度与类的频数（相对频率）成比例。饼图将一个圆分成几份，每一份代表一个类，每份中心角与类相对频率成比例。帕累托图将定性变量的类按照高度从左到右进行降序排列条形图。帕累托图是质量控制中的一种重要的图形，有助于辨别最严重的问题区域。
  定量数据的图形方法：点图、茎叶图和直方图。
二、 相似性和相异性
 相似性定义这两个对象相似程度的数值度量。相似性越高，度量值就越大。一般相似度的取值在0和1之间。
 相异性定义两个对象差异程度的数值度量，对象差别越大，度量值越大。一般相异性的取值在