数据挖掘第二章 认识数据

认识数据

2.1 数据对象与属性类型

数据对象 - 实体

属性 - 描述数据对象，数据对象的一个特征

属性的类型：

1. 标称属性nominal attribute
   • 值是符号或事物的名称（枚举的）
   • 可以用数字表示 => 均值、中位数无意义，众数有意义（中心趋势度量）
2. 二元属性binary attribute
   • 标称属性的一种，只有0,1两种状态
   • 对称的：状态同等价值与权重
   • 非对称的：状态的结果不是同样重要
3. 序数属性ordinal attribute
   • 具有有意义的先后次序，且相继值之间的差未知
   • 应用：记录不能客观度量的主观质量评估
   • 连续数值经数据归约 => 序数属性
   • 不可定义均值
4. 数值属性numeric attribute
   1. 区间标度属性
   2. 比率标度属性
5. 离散属性与连续属性

2.2 数据的基本统计描述

2.2.1 中心趋势度量：均值、中位数和众数

1. 均值
   • 加权算术平均（$w_i$）
   • 截尾均值（去前x%）
2. 中位数（非对称/倾斜数据：正倾斜、负倾斜）
   • 数据量很大：$$median=L_1+\frac{N/2-(\sum fre}{fre{q}_{median}}$$