数据挖掘 Chapter 2
本章:数据有什么类型的属性或字段组成?每个属性具有何种类型的数据值
属性
属性是一个数据字段,表示数据对象的一个特征。机器学习文献更倾向于使用术语“特征”,而统计学家更源于使用术语“变量”。数据挖掘与数据库的专业人士一般使用术语“属性”
属性的种类
- 标签属性
- 二元属性
- 序数属性
- 数值属性
- 离散属性
数据的基本统计描述
- 中心趋势量:均值、中位数、众数
- 度量数据散布:极差、四分位数、方差、标准差和四分位数极差
- 五数概括与盒图
数据可视化
- 像素可视化技术
- 几何投影可视化
- 图符可视化
- 都是希望在三维空间中尽可能塞入更多的空间维度
- 层次可视化
- 可视化复杂对象和关系
- 标签云
度量数据的相似性和相异性
- 数据矩阵和相异性矩阵
- 标签属性的邻近性度量
- 二元属性的邻近性度量
- 数值属性的相异性:闵可夫斯基距离
- 上确界距离:两个对象的最大值差
- 序数属性的邻近性度量
- 也就是用归一化的方法转化为数值属性
- 混合类型数据的相异性
- 余弦相似性
- 二值属性时只需使用Tanimoto距离
Han J. Data Mining: Concepts and Techniques[M]. 2005.