数据科学中的统计学---专业术语

数据类型

1. 连续型数据：
   数据可在一个区间内取任何值；
   同义词：区间数据、浮点型数据、数值数据
2. 离散型数据
   数据只能取整数
   同义词：整数型数据、计数型数据
3. 分类型数据
   数据只能从特定集合中取值，表示一系列可能的分类
   同义词：枚举数据、列举数据、因子数据、标称数据、多分类数据
4. 二元数据
   一种特殊的分类数据，数据值只能从两个值中取一个。例如：典型的boolean数值
   同义词：二分数据、逻辑型数据、指示器数据、布尔型数据
5. 有序数据：
   具有明确排序的数据
   同义词：有序因子数据

位置估计

1. 均值：
   所有数据值之和除以数值的个数
   同义词：平均值
2. 加权均值：
   各数值乘以对应的权重值，然后加总求和，再除以权重的总和
   同义词：加权平均值
3. 中位数：
   大于数据集中一半数据的数据
   同义词：第50%百分位数
4. 加权中位数：
   使得排序数据集中分别有一半的权重之和大于该值之上和之下
5. 切尾均值：
   在数据集中剔除一定数据的最大值和最小值之后的均值
   同义词：截尾均值
6. 稳健：
   对极值不敏感。表示对离群值不敏感。
   同义词：耐抗性
7. 离群值：
   与大部分数据差异很大的数据值。
   注：离群值不一定是异常值。

数据的变化程度

1. 偏差：
   实际值与预测值之间的差异
   同义词：残差、误差
2. 方差
   注：分母是n-1
   
3. 标准偏差
   方差的平方根
   同义词：L2范数、欧几里得范数
   注：分母是n-1
   
4. 平均绝对偏差
   数据值与均值间偏差的绝对值计算均值。说明数据围绕中心值的分散程度。
   
5. 中位数绝对偏差
   数据值与中位数间绝对偏差的均值
   

注：方差、标准偏差、平均绝对偏差，他们对离群值和极值都是不稳健的。其中，方差和标准偏差对离群值尤为敏感，因为它们都是基于偏差的平方值。中位数绝对偏差是一种稳健的变异性估计量。

注：即使数据符合正态分布，方差、标准偏差、平均绝对偏差以及中位数绝对偏差这四者也并非是等价的估计量。事实上，标准偏差总是大于平均绝对偏差，而平均绝对偏差总是大于中位数绝对偏差。有时，中位数绝对偏差会乘上一个常数比例因子（通常使用1.4826），使得在正态分布下，中位数绝对偏差与标准偏差具有相同的尺度。

7. 极差
   数据集中最大值与最小值间的差值
8. 顺序统计量
   基于有序数据的统计量
9. 百分位数
   表示一个数据集中，等于P%的数。
10. 四分位距
    排序之后，第75%与第25%间的差值

相关性

1. 相关系数
   一种用于测量数值变量之间相关程度的度量，取值范围为[-1,1]。给出了两者相关性的估计值。
2. 相关矩阵
   行和列都是一个变量，并且行和列的变量相同，依次构成的一个对角元素为1的对称矩阵。矩阵中的每个值代表对应的行和列两个变量之间的相关性。
3. 皮尔逊相关系数：
   变量1的平均偏差乘以变量2的平均偏差，然后再除以辨准偏差之积。范围为[-1,1]。+1表示完全正相关，-1表示完全负相关，0表示没有线性相关性。
   

注：与平均值和标准偏差一样，相关系数对数据离群值敏感