《数据挖掘概念与技术》第二章

《数据挖掘概念与技术》第二章

认识数据

目录

认识数据

2.1 数据对象与属性类型

2.1.1 什么是属性

2.1.2 标称属性

---

2.1 数据对象与属性类型

数据对象组成数据集，一个数据对象是一个实体。数据对象用属性描述，还被称为样本、实例、数据点或对象。

数据元组

2.1.1 什么是属性

属性指对象的一个特征。

属性、维、特征和变量意思相同，不过应用场景不同。属性一般用于数据挖掘和数据库，维用于数据仓库，特征用于机器学习文献，变量用于统计学。

属性向量（特征向量）：描述一个给定对象的一组属性。

单变量：涉及一个属性的数据分布。

双变量：涉及两个属性的数据分布，可以往上类推。

2.1.2 标称属性

标称属性：其值是一些符号或者事物的名称。表示某种类别、状态，可用于分类。例如：头发颜色、性别等。

对于标称属性，均值、中位数是没有意义的，有意义的是众数，一种中心趋势度量。

2.1.3 二元属性

标称属性之一，只用0，1两种状态，当两种状态对应true和false时也称为布尔属性。

二元属性有对称与非对称之分，对称是指两种状态具有相同的权重，比如男、女；非对称指两种状态的权重不同，比如一种病的有无。

2.1.4 序数属性

序数属性的值具有有意义的序，但是相邻值之间的差是未知的。比如：小、中、大；A、B、C表示等级

序数属性通常用于等级评定调查。

序数属性的中心趋势可以用众数和中位数表示，均值无意义。

2.1.5 数值属性

数值属性是定量的，即是可度量的，用整数或实数值表示。

数值属性可以是区间标度的或比率标度的。

1、区间标度属性

区间标度属性是用相等的单位尺度度量。

区间属性的值为有序的，+、-、0都可。

除了值的秩评定外，区间标度属性允许我们比较和定量评估值之间的差。