数据预处理之描述性数据汇总

一、度量数据的中心趋势

各种方法：

1、分布式度量 （distributive measure）

均值 （average）

截断均值 （trimmed mean）:去掉高、低极端值后的均值。

加权均值 （weighted average）

2、整体度量 （holistic measure）

中位数：排序后，中间的数据

众数：出现次数最多的数据

中列数：（max + min）/2

二、度量数据的离散程度

1、极差、四分位数、离群点和盒图

极差 （range）：max - min

四分位数 （quartile）：第一个四分位数记做Q1，是第25个百分位数；第三个四分位数记做Q3，是第75个百分位数。

中间四分位数极差 （IQR）：Q3 - Q1

一个识别可疑的离群点的常用经验：挑出落在至少高于第三个四分位数或低于第一个四分位数1.5 * IQR处的值。

分布的五数概括（five-numbersummary）由中位数，四分位数Q1和Q3，min和max组成。

盒图 （boxplot）体现了五数概括：在典型情况下，盒的端点在四分位数上使得盒的长度等于IQR；中位数用盒内的线标记；盒外的两条线（称作胡须）延伸到min和max值。

2、方差和标准差

 

标准差是方差的平方根。

3、图形显示

条形图

直方图

分位数图

散布图

局部回归曲线

q - q图

 

 

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/13496062/viewspace-624354/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/13496062/viewspace-624354/