数据挖掘之数据准备

1. 原始数据的表述
   两种常见的数据类型：数值型和分类型
   数值型值包括实型变量和整数变量，比如年龄、速度或长度，数值型特征有两个重要的属性：其值有顺序关系和距离关系
   分类型变量只有两个值：相等或不等，再建立一种等同关系，比如眼睛颜色、性别等
   2.基于变量值的变量分类，根据它是连续型变量还是离散型变量
   连续型变量也成为定量型或度量型变量，可以使用间隔尺度或比例尺度来衡量，这两种尺度都允许在理论上无限精度地定义或度量变量，而这两种尺度的区别在于它们定义零点的方式，再建个尺度重，零点的位置是任意的，而比例尺度，有绝对的零点，所以这种尺度测量的变量之间存在真实的比例关系，在大型的数据集中，连续型变量用实型或整型值来表示
2. 离散型变量，也叫做定性型变量，这种变量用两种非度量的尺度—名义尺度或有序尺度
   名义尺度是无序的，使用不同的符号、字符和数字来表示被测变量的不相关的值
   有序尺度包括规则的、离散的顺序，有序变量是定义了顺序关系而没有定义距离关系的分类型变量，有序尺度不一定是线性的，在有序尺度中，有序属性只有大于、等于或小于关系
3. 一种特殊的离散型变量是周期变量
   周期变量的特征是存在距离关系，而不存在顺序关系，例如星期、月、日
4. 另一种数据分类维度是基于数据和时间相关的行为特性，一些数据不随时间的变化而变化，称为静态数据，也有随时间变化而变化的属性值，称为动态数据或时间数据，大多数数据挖掘方法更适合于静态数据，挖掘动态数据是，常常需要特殊的考虑和预处理
5. 产生大多数数据挖掘问题的原因是，大量的样本具有不同类型的特征