数据分析

数据描述

数据的本质：数据对象【样本、实例、数据点、或对象】

数据属性

属性(attribute)是一个数据字段，表示数据对象的一个特征。

标称属性：其值是一些符号或者事物的名称

二元属性：只有两种结果的标称属性

序数属性：其可能的值之间具有有意义的序或者秩评定(ranking)，但是相继值之间的差是未知的。【标称、二元和序数属性都是定性的，即只描述对象的特征，不给出实际的大小。】

数值属性：区间标度属性【①使用相等的单位尺度度量。②值有序，可以评估值之间的差，不能评估倍数。③没有绝对的零点。 如:摄氏温度，华氏温度】
比率标度(ratio-scaled)属性【①具有固定零点的数值属性。②值有序，可以评估值之间的差，也可以说一个值是另一个的倍数。如：开式温温标(K)，重量，高度，速度】

离散属性 ：【①具有有限或者无限可数个值。② 可以用或者不用整数表示 如： 邮编、省份数目具有有限个值，customer_Id是无限可数的。】

连续属性：【①属性值为实数。② 一般用浮点变量表示。】

数据的统计指标

目的：为了更好的把握数据全貌与数据走势、数据分布

常用统计指标：众数、均值、中位数等

数据可视化

目的：直观的观察数据走势、分布等规律【折线图、柱状图、饼图、直方图、箱线图等图形】

数据的相关性：数据的相似程度

行代表数据对象，列代表数据属性

为什么要进行数据处理？

1、数据可能存在缺失的、异常的、不一致的情况

2、没有高质量的数据就没有高质量的数据挖掘结果

操作

1，数据清理【处理缺失值，去除异常值，数据的统一】
2，数据集成【将多个不同文件的数据集成成一个数据】
3，数据规约【转化到同一量级 去除量级影响】
4，数据离散化与变换【离散非数值数据转化为数值类型，连续数据的离散化】

数据分析

获取到数据，进行数据处理、指标统计、绘图分析，得出结论【偏向业务层级】

数据挖掘

利用IT相关知识进行数据价值的挖掘，偏向挖掘价值的过程