统计学——认识数据

1、数据属性

数据属性可以是标称的、二元的、序数的、数值的

• 标称的数据
  标称属性又可以看作是分类的
  对于标称属性，平均值和中位数没有意义，属性最常出现的值，众数是有意义的
  例如：婚姻状况（单身、已婚、离异、丧偶）
• 二元的数据
  二元属性也是一种标称属性，只有２个类别或状态：０或１
  其中０代表该属性不出现，１代表属性出现
  如果两种状态对应True和False的话，那二元数据也称为布尔数据
  例如：性别（男、女）
• 序数的数据
  序数属性，其可能值之间具有有意义的序，但是相继之间的差是未知的
  序数属性的中心趋势可以用众数和中位数表示，但不能用均值
  例如：教师等级（助教、讲师、副教授、教授）
• 数值的数据
  数值属性是定量的，是可以度量的，用整数或实数表示。可以是区间标度的或者比率标度的
  区间标度属性：区间标度属性用相等的单位尺度度量，区间属性的值有序，可以为正、０、负
  例如：温度属性是区间标度的
  比率标度属性：比率标度的属性是具有固有零点的数值属性，如果度量是比率标度的，我们可以说一个值是另一个值得倍数（或比率）
  例如：重量，高度，速度等属性

注意：标称、二元、序数属性都是定性的，他们描述对象的特征，而不给出实际的大小或数量，这种定性属性的词通常是代表类别的词。数值属性可以用均值、中位数、众数表示中心趋势

机器学习领域的分类算法通常把属性分成离散的和连续的
离散属性具有有限或者无限个可能值，可以用或者不用整数表示
例如：用户ID
连续属性于数值属性的差别：在经典意义下，连续值是实数，而数值值可以是整数或实数，连续属性一般用浮点变量表示

2、数据的基本统计描述

2.1 中心趋势度量

• 均值
  平均数的一般度量，是应用最广泛的统计度量之一，通常用$\mu$表示
  $$\mu =\frac{\sum _{i=1}^{n}x}{n}$$