数据挖掘之数据准备—— 原始数据的描述

数据样本是数据挖掘过程的基本组成部分，每个样本都用几个特征来描述，每个特征都有不同类型的值。

首先介绍两种常见的基本类型：数值型 和 分类型

数值型值包括实型变量和整型变量如年龄，速度或长度。

数值型特征有两个重要的属性：其值有顺序关系和距离关系。

与其形成对照的是，分类型变量没有上述两种关系，分类型变量的两个值 可以相等或者不等。它们只建立一种等同关系（蓝色=蓝色 或者 红色 ！= 蓝色），这种类型变量的例子有眼睛颜色，性别，国籍。若分类型变量有两个值，则原则上它可以转换成一个二进制的数值型变量，这种数值型变量有两个值：0或1.

具有n个值的分类型变量可以转换成n个二进制数值型变量，即一个二进制数值对应分类型变量的一个值。

另一种基于变量值的变量分类方法是，根据它是连续型