数据与挖掘 笔记（2）Data Transformation

数据的类型(Attribute type)
1.Contiue 人的体重身高
2.Discrete 离散型数据，人的个数
3.Ordinal 等级制：ABC
4.Nominal 平行类：红黄蓝
5.String 文本型

注： 比较特殊的是Nominal的数据，因为如果单纯的设为0，1，2，无形之间拉大了第一个和第三个类型数据的距离。
所以，对Nominal数据的处理方法，若数据量较少，可设为：

[1,0,0,0]
[0,1,0,0]
[0,0,1,0]
[0,0,0,1]

采样（Sampling）
与统计学不同，正因为数据完备，无从检索，我们选取采样的方法来进行数据挖掘。这是一种减少繁冗的方法。
比如：
Change of scale ：城市变为州，
Over samping ：对数据量过少的样本进行周围适当扩充（SMOTE的工作原理）
Boudary sampling：边缘数据的重要性

分类器好坏的判别：

对于红和蓝的区别，尽管A有更高的正确率，但B才是真正做到了分出红和蓝，这就是不平衡数据的悖论。
即我们不能用准确率来判断所有数据。
有以下方法来解决：

其他：
1.对于极度不平衡的二分类数据集，应特别注意小样本的数据