认识数据

复习笔记

• 数据是对描述对象的抽象

• 属性类型
  

• 标称、序数属性通常为离散的，区间和比率属性通常是连续的

• 数据类型
  
  • 记录数据
  • 图数据
  • 有序数据
• 数据的统计描述
  
  • 中心趋势（均值，众数，中位数）
  • 数据的散布（极差，方差，四分位数等）
  • 可视化（直方图、散点图）
• 数据的相似性
  
  • 闵可夫斯基(Minkowski) 距离
    
    
    • $p=1$，曼哈坦 (Manhattan)距离
    • $p=2$，欧几里德(Euclidean)距离
    • 
  • 余弦相似性（向量内积空间的夹角）
  • 马氏距离 （考虑数据局部分布）
  • 相关系数 （皮尔森系数）
  • KL散度（数据分布比较）
  • 数据标准化
    
    • 平均绝对误差（Mean Absolute Error）
      
    • 平均偏差（Average Deviation）