数据挖掘--数据篇(学习心得)

 数据挖掘是一种技术,它将传统的数据分析方法与处理大量数据的复杂算法相结合,在一个大型数据库中,自动的发现有用信息的过程,还具有预测未来观测结果的能力。数据挖掘的对象是数据，所以离开数据，挖掘无从谈起。现将我学习《数据挖掘导论》的笔记写出来，巩固一下知识。

一、数据类型。

数据对象有其它的名字，如记录，点，向量，模式，事件，案例，样本，观测或实体。

1、属性与度量

属性是对象的性质或特性，因对象而异，或随时间而变化。

测量标度是将数值或符号与对象的属性相关联的规则。

属性有四种类型：标称、序数、区间、比率。其中标称和序数属性统称分类的或定性的。区间和比率是数值的或定量的。

2、数据集的类型

数据集有三个重要的特性：维度、稀疏性、分辨率。

数据集有以下的类型：

*记录数据，包括：事务数据或购物篮数据、数据矩阵、稀疏数据矩阵。

*基于图形的数据，包括：带有对象之间联系的数据、具有图形对象的数据。

*有序数据，包括：时序数据、序列数据、时间序列数据、空间数据。

二、数据质量

 1。测量和数据收集问题

测量误差和数据收集错误：

噪声和伪像：其中伪像是确定性失真，如一组照片同一地方上的条纹。

精度、偏倚和准确率：精度通常用值集合的标准差度量,而偏倚用值集合的均值与被测量的已知值之间的差度量。

离群点&#