数据挖掘导论学习笔记（二）

第三章 探索数据
汇总统计：量化的（如均值和标准差），用单个数或数的小集合捕获可能很大的值集的各种特征。

频率：具有属性值vi的对象数/总数
分类属性的众数就是具有最高频率的值。

百分位数：给定一个有序的或连续的属性x和0到100之间的数p，第p个百分位数xp是一个x值，似的x的p%的观测值小于xp。

值集位置的度量：
（1）均值：平均值，对于离群值比较敏感
（2）中位数
截断均值：指0到100之间的百分位数p，丢弃高端和低端的p/2%的数据，然后用常规方法计算均值，就是阶段均值。
中位数是p=100的阶段均值，标准均值是p=0的阶段均值。

散布度量：
（1）极差：最大值减去最小值
（2）方差或标准差
因为均值可能被离群值扭曲，所以方差也可能对离群值敏感
更稳健的估计为：绝对平均偏差，中位数绝对偏差，四分位数极差

多元汇总统计：
（1）协方差矩阵
（2）相关矩阵
（3）值集倾斜度

可视化：指以图形或表格的形式显示信息。目标是可视化信息的人工解释和信息的意境模型的形成。
（1）将信息映射成可视化形式，即将信息中的对象属性和联系映射成可是的对象属性和联系。
对象用三种方法表示：
一：如果只考虑对象的单个分类属性，则通常根据该属性的值将对象聚成类，并