数据探索是数据挖掘的重要步骤，旨在理解数据特点，包括数据类型、质量及分布。常用技术包括统计学、可视化和聚类。摘要统计如频率、模式、百分位数、平均值和中值提供了数据的概况。可视化技术如直方图、箱形图、散点图、矩阵图和平行坐标等帮助直观展示数据。数据属性分为名义、顺序、间隔和比率四种类型，选择正确的数据处理方法取决于属性的特性。
Outline
1、数据特点
属性和对象
数据类型
数据质量
2、 基本数据探索技术
基本统计学
数据可视化
3、对分类问题的介绍
决策树
Data exploration
初步的数据探索是为了更好的理解数据特点
-
其动机在于：有助于在为数据预处理和分析时选择正确的工具、利用人类的能力识别模式
-
用到的技术有： 可视化、聚类和异常检测
要注意的是，在数据挖掘中，聚类和异常检测是主要的关注领域，而不是仅仅是探索性技术。
摘要统计summary statistics
摘要统计是总结到的数据属性的个数。汇总的属性包括频率，位置和散布。比如我们用均值定位，用标准差确定散布程度
频率和模式
frequency：某属性的频率就是该属性出现的百分比
mode：属性的模式是最频繁的属性值
百分位percentiles
一般对于连续数据，百分位的概念更有用。
定义：给定连续属性x 和 介于0和100之间的数字p，那么第p个百分位数xp，就是使x的前p％的值均小于xp。
（来自百度百科：一组n个观测值按数值大小排列。处于p%位置的值称第p百分位数）
平均值，中值
- mean平均值：比较通用的位置测量方法&#
最低0.47元/天 解锁文章
7560
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
