该章节详细介绍了数据挖掘中的数据类型，包括分类（标称和序数）和数值（区间和比率）。讨论了数据质量的影响因素及衡量方法，并重点阐述了数据预处理的几个关键步骤，如选择分析属性、创建/改变属性、相似性和相异性的度量。预处理技术涉及属性选择、聚集、抽样、维归约和变量变换，以提高分析效果。
第二章 数据
数据类型
- 分类的（定性的）：标称和序数
- 标称： 只能区分是否相同 ，当做符号一样 不参与数值运算。(=或者！=)例：邮政编码
- 序数：能确定对象的序，即大小关系。(<,<=,>,>=)例：矿石程度（好，较好，最好）
- 数值的（定量的）：区间和比率
- 区间：可以进行差值比较。(+,-) 例：日历日期
- 比例：除了能进行差值比较还能进行比率比较 。 (*，/)例：长度
数据质量
引起数据质量降低的因素：
测量误差：记录的值与实际值不同 误差=测量值-实际值
数据收集错误：遗漏数据或者不当地包含了其他数据
数据收集错误：遗漏数据或者不当地包含了其他数据
噪声：测量误差的随机部分
最低0.47元/天 解锁文章
416
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
