机器学习（Machine Learning and Data Mining）CS 5751——mid1复习记录

因为是整理来给自己看的，所以都是大纲……

(1)基础定义

什么是data?

Collection of data objects and their attributes

四种类型的属性

Categorical (Qualitative)

Nominal
– Examples: ID numbers, eye color, zip codes
Ordinal
– Examples: rankings (e.g., taste of potato chips on a scale from 1-10), grades, height {tall, medium, short}

Numeric (Quantitative)

Interval
– Examples: calendar dates, temperatures in Celsius or Fahrenheit
Ratio
– Examples: temperature in Kelvin卡尔文温度, length, time, counts

属性类型的判断：

取决于属性可以执行怎样的操作（operations）

四种操作

– Distinctness: = = （第二个是不等于符号）
– Order: < >
– Differences are meaningful :+ -
– Ratios are meaningful：* /

分别的判断

– Nominal attribute: distinctness
– Ordinal attribute: distinctness & order
– Interval attribute: distinctness, order & meaningful differences
– Ratio attribute: all 4 properties/operations

离散与连续

离散属性

• 只有一组有限或可数无限的值。
• 示例：邮政编码，计数。
• 通常表示为整数变量。
• 注意：二进制属性是离散的特例

连续属性

• 将实数作为属性值。
• 示例：温度，高度或重量。
• 实际上，只能用有限数字来测量和表示实际值。
• 连续属性通常表示为浮点变量。

数据质量

数据质量差会对许多数据处理工作产生负面影响
Examples of data quality problems:

• Noise and outliers
• Missing values
• Duplicate data
• Wrong data

(2)具体考点（PPT-2）

距离

• Euclidean Distance欧几里得距离

• Minkowski Distance闵可夫斯基距离
  
  r = 1.Manhattan, taxicab, L1 norm, rectilinear distance
  r = 2. Euclidean distance

• 协方差（Covariance）
  

• 协方差矩阵(covariance matrix)

• 相关系数correlation
  
  相关系数的缺点：
  假设我们有下面两个向量:
  x = (-3, -2, -1, 0, 1, 2, 3)
  y = (9, 4, 1, 0, 1, 4, 9)
  y = x^2
  corr = (-3)(5)&