【读书笔记】数据挖掘导论（Introduction to Data Mining） 1

第二章 数据

---

2-1 数据类型

1. 如下性质来描述属性
   (1) 相异性 = 和 ≠
   (2) 序 <, <=, >, >=
   (3) 加法
   (4) 乘法

2. 从而定义四种类型 ：标称，序数，区间，比率
   标称：分类的（定性的）（= 和 ≠） 区分对象 如id等
   序数：分类的 （< , >）如矿石硬度等
   区间：定量的 （+, -） 值间差异有意义，如温度
   比率：定量的 （*, /）

3. 数据集的一般特性
   维度 dimensionality：数据集中对象的属性数量，维度过高的会出现维灾难，从而在数据预处理中一般会对其进行降维处理，称为 维归约；
   稀疏性 sparsity：对象的部分属性值为0
   分辨率 resolution：不同分别率下获取的数据表现出来的性质不一样。

2-2 数据质量

1. 数据测量和收集方面的质量问题

   1. 测量误差和数据收集错误
   2. 噪声和伪像
      
      1. 噪声：常可用信号或图像技术降低
      2. 伪像：确定性的失真，一组照片中同一个位置出现条纹
   3. 精度，偏倚，准确率
      精度：重复测量值之间的接近程度 通常用