数据挖掘面试题150解析（一）

等频划分，等宽划分

离散化方法的研究，已经提出了等频划分、等宽划分和适应离散法等。
1、等宽划分：在最小值和最大值之间平均划分成N个区间（N用户给定）,假定A和B分别是最大值和最小值，则每个区间的宽度为W=（B-A）/N，区间的边界线分别为A，A+W，A+2W，......，A+（N-1）W，A+NW=B
2、等频划分：把整个区域分为N个区间，每个区间有大约相同数目的例子
如：N=10，则每个区间中有大约10%的例子
这两种离散化方法都与分类信息无关
当属性值分布不均匀时，不能很好表示数据分布 

 要声明一个静态变量或定义一个静态方法，就要在变量或方法的声明中加上修饰符static.
类中的常量应该声明为final static.
使'类名.方法名'调用静态方法
使'类名.变量名'调用静态变量。
静态变量和静态方法既可以在类的实例方法中使用，又可以在类的静态方法中使用。但是实例变量和实例方法就只能在实例方法中使用。
当方法不依赖于任何具体的实例，就声明为静态方法。

  截断均值： 指定0和100之间的百分数p，丢弃高端和低端(p/2)%的数据，然后用常规的方法计算均值，所得的结果就是截断均值.
按照公式，(p/2)%=20%，8*20%=1.6约等于2，那么应该截掉前两个数和后两个数，剩下{3,4}，所以截断均值为(3+4)/2=3.5。 

 傅立叶变换 ，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。

 

查准与召回（Precision & Recall）

召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。
召回率：Recall，又称“查全率”——还是查全率好记，也更能体现其实质意义。
准确率：Precision，又称“精度”、“正确率”。

通俗的讲，Precision 就是检索出来的条目中（比如网页）有多少是准确的，Recall就是所有准确的条目有多少被检索出来了。

下面这张图介绍True Positive，False Negative等常见的概念，P和R也往往和它们联系起来。

ROC曲线和PR曲线

基本概念

1. True Positives,TP：预测为正样本，实际也为正样本的特征数