数据——基本统计总结

1、频率、众数：分类属性的众数是具有最高频率的值
2、百分位数：有序数据
3、位置度量：均值和中位数
均值对离群值非常敏感，中位数可以更稳健的提供值中间的估计，或者使用截断均值（指定0~100的百分位数p，丢弃高端和低端p/2%的数据后，均值计算）
中位数是p=100%时的截断均值；标准均值是p=0%时的截断均值
4、散步度量：极差和方差
极差：max-min；方差：1/(m-1)Σ（xi-x）²
方差使用均值计算得到，均值受离群值影响，方差也受离群值影响
解决：使用其他方式的度量 绝对平均误差1/mΣ|xi-x|、中位数绝对误差median{|x1-x|，|x2-x|…，|xm-x|}、四分位数极差X75% - X25%等
5、协方差矩阵conv(xi, xj) = 1/(m-1)Σ(xki - xi)(xkj - xj)
两个属性之间的协方差表述两个属性一起变化 并依赖于变量大小的度量。0~1范围0表示两个变量不具有线性关系，协方差可以用来衡量两个变量之间的关联程度，但是不能只是片面的靠协方差决定两个变量之间的关联程度，相关性更可取
6、倾斜度：度量值对称地分布在均值附近的程度