数据挖掘 Chapter 2

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.