【数据挖掘】第二章 数据 2.1 数据对象和数据属性

本节课我们开始学习第二章数据，

这节课我们首先学习2.1节数据对象与数据属性。

什么是数据呢？形式化定义 data 是数据对象及其属性的集合。属性大家都比较了解了，类似于数据库表中的字段名。在数据挖掘课程中，我们将属性定义为数据对象的某个特征。比如在课件上的这个二维表，数据对象有五个属性，分别是 tid ，sh ，m ，material ，s ，text ，in income 和 ch 属性，还有一些别称，如变量或特征的数据对象的表现形式可以是数据库的记录点，案例，样本，实体或者实例的数据集是由若干个数据对象构成，每一列代表一个特征，每一行代表一个数据样本。数据对象按照其类型的不同可以划分为记录图或网络序列数据，空间数据，图像数据或者多媒体数据等。比如在网页分类中，我们可以将三个文档中我们比较关心的主题词进行频率技术，也就是所谓的文本文档的词频向量。再比如关联挖掘的数据对象购物栏数据，我们可以采用结构体或者关系记录作为数据对象的载体。属性值就是赋给某个属性的数字或者字符值得一提的是，属性和属性值是不一样的，一个属性可能有很多个属性值，比如年龄属性，其取值可以是不同的正整数，另外不同的属性可能有相同的取值类型，当然对应的取值范围可能不一样，比如把收。高中低三个值年龄也可以复制高中低，但是收入的高中低区间和年龄的高中低区间明显是不一样的。因此，虽然收入和年龄属性的取值一样，但是其代表的取值范围却不同。

一般而言，我们将属性的类型划分为以下四种。一，民意型，名义型类型的属性一般是无序的类别划分，比如眼睛的颜色，邮政编码等这些无序的类别。二，有序性。正如它的名字一样，有序型类型的属性一般将属性划分为若干类别，而类别之间是由排序关系的，比如考试成绩分为优，良，中，差，身高分为高，中