数据管理和探索 (R)

一、数据描述

1. 数据的集中位置

1）平均值：数据服从正态分布
2）中位数：数据不服从正态分布使用更有效

2. 数据的离散程度

1）方差
2）标准差
3）中位数绝对偏差(mad)：度量数据相对于中位数的离散情况。
4）变异系数：度量观测数据的标准差s相对于平均值的离中趋势
5）四分位数
6）极差
7）其它

3. 数据的偏度和峰度

二、数据相似性度量

综合评定2个事物间相近程度的一种度量。与聚类和分类有关

1. 变量的相关系数

1）Pearson相关系数

应用：分析两个正态连续性变量间的关系

2）Spearman秩相关系数

应用：分析不服从正态分布的变量、分类变量或等级变量间的关联性

3）判定系数（决定系数）

r^2: 衡量自变量与因变量是否相关
cor()

2. 样本间的距离

分类时需要

1）欧氏距离

度量欧几里得空间中两点间的直线距离。
dist()

2）曼哈顿距离

两个点在欧几里得空间的固定直角坐标系上的绝对轴距的总和。

3）最大距离

两个点之间的各个坐标分量差的最大值

4）坎贝拉距离

两点对应的坐标分量差的绝对值与坐标分量绝对值的和之比的总和