第二章 相似性和相异性度量&数据&数据预处理

1. 数据类型：定量、定性
2. 属性是对象的性质、特征，测量标度是将数值或符号值与对象的属性相关联的规则（函数）
3. 属性类型：属性的性质不必与用来度量他的值的性质相同
4. 属性的不同：相异性、序、加法、乘法
5. 四种属性类型：标称和序数（分类的、定性的）、区间和比率（数值的、定量的）；非对称属性：如果属性值具有相同的权重，则为对称的；反之，为非对称的
6. 数据集的类型：
   1. 数据集的特征：维度、稀疏性、分辨率
   2. 记录数据：事务数据或购物篮数据、数据矩阵、稀疏数据矩阵
   3. 基于图形的数据
   4. 有序数据：时序数据、序列数据、时间序列数据（考虑时间自相关，时间接近数据接近）、空间数据
7. 数据质量
   1. 数据清洗：测量误差与数据收集误差、噪声、伪像（确定的错误的结果）
   2. 精度、标准差
   3. 偏倚：样本与总体参数之差
   4. 精确度：测量值与实际值之间的接近度
   5. 离群点：不同于噪音，本身是合法的，有时作为研究对象
   6. 遗漏值
   7. 不一致的值
   8. 重复数据：去重复
8. 关于应用：数据的时效性、相关性（是否包含了足够的信息，抽样偏倚）、关于数据的说明文档

1. 聚集：将多个对象合并为单个对象；定量属性求和或平均值聚集，定性属性可以忽略或汇总成一个集合；聚集可以归纳成小数据集，算法开销小；