数据挖掘（二）

数据挖掘概念与技术第三版

期末复习-第二章认识数据

1. 中心趋势度量：均值、中位数、众数、中列数

1. 均值（mean）
   数据集“中心”最常用、最有效的数值度量
   包括算术平均、加权平均、截尾平均
2. 中位数（median）
   有序数据值的中间值对于倾斜数据是更好的度量。
   当值的个数N为奇数时，中位数是该有序集的中间值； 当值的个数N为偶数时，中位数不唯一，时最中间的两个值和它们的之间的任意值。根据约定，取作最中间两个数的平均值。
   当观测数量很大时
3. 众数
   数据集中出现频率最高的值，有单峰的、双峰的、三峰的。具有两个或更多众数的数据集是多峰的。
4. 中列数
   数据集的最大和最小值的平均数(max+min)/2。

2.数据对象和数值属性

1.数据集有数据对象组成；一个数据对象代表一个实体；数据对象用属性描述。又称样本、实例、数据点或对象。

2.属性：一个数据字段，表示对象的一个特征。一个属性的类型由该属性可能具有的值的集合决定。

3.属性类型
（1）标称属性：值是一些符号或事物的名称，不具有有意义的序。

（2）二元属性：一种标称属性，只有0和1两种状态

（3）序数属性
（4）数值属性
（5）离散属性和连续属性