第2章 - 認(rèn)識(shí)數(shù)據(jù)

第二章認(rèn)識(shí)數(shù)據(jù)數(shù)據(jù)對(duì)象與屬性類型數(shù)據(jù)的基本統(tǒng)計(jì)描述數(shù)據(jù)的可視化度量數(shù)據(jù)的相似性和相異性2023/10/151數(shù)據(jù)挖掘數(shù)據(jù)對(duì)象與屬性類型什么是屬性：一個(gè)數(shù)據(jù)字段，表示數(shù)據(jù)對(duì)象的一個(gè)特征，屬性、維、特征和變量可以互換地使用標(biāo)稱屬性：是一些符號(hào)或事物的名稱，每個(gè)值代表某種類別、編碼或狀態(tài)2023/10/152數(shù)據(jù)挖掘二元變量：一種標(biāo)稱屬性，只有兩個(gè)類別或狀態(tài)：0或1，又可以稱為布爾屬性（值為true或false）對(duì)稱的二元屬性：兩種狀態(tài)具有同等價(jià)值并且攜帶相同的權(quán)重非對(duì)稱的二元屬性：兩種狀態(tài)的結(jié)果不是同樣重要2023/10/153數(shù)據(jù)挖掘序數(shù)屬性：其可能的值之間具有有意義的序或秩評(píng)定，但是相繼值之間的差是未知的2023/10/154數(shù)據(jù)挖掘數(shù)值屬性:區(qū)間標(biāo)度屬性：用相等的單位尺度度量，其值有序比率標(biāo)度屬性：在非線性的刻度取正的度量值，遵循如下的公式，AeBt

或Ae-Bt混合類型變量:在許多真實(shí)的數(shù)據(jù)庫(kù)中，對(duì)象是混合類型的變量描述的。一般，一個(gè)數(shù)據(jù)庫(kù)可能包含上面列舉的全部6種變量類型2023/10/155數(shù)據(jù)挖掘離散屬性和連續(xù)屬性：離散屬性：具有有限或無限個(gè)可數(shù)的值，可以用或不用整數(shù)表示連續(xù)屬性：可以與“數(shù)值屬性”互換，一般用浮點(diǎn)變量表示。2023/10/156數(shù)據(jù)挖掘數(shù)據(jù)的基本統(tǒng)計(jì)描述度量數(shù)據(jù)的中心趨勢(shì)度量數(shù)據(jù)的離中趨勢(shì)2023/10/157數(shù)據(jù)挖掘度量數(shù)據(jù)的中心趨勢(shì)數(shù)據(jù)集中心最常用、最有效的數(shù)值度量是算術(shù)均值集合中每個(gè)值與一個(gè)權(quán)值相關(guān)聯(lián)，采用加權(quán)算術(shù)均值（加權(quán)平均）為抵消少數(shù)極端值的影響，使用截?cái)嗑?，去掉高、低極端值的影響對(duì)于傾斜的數(shù)據(jù)，數(shù)據(jù)中心的一個(gè)最好度量是中位數(shù)眾數(shù)是集合中出現(xiàn)頻率最高的值：分為單峰、雙峰、三峰或多峰中列數(shù)是數(shù)據(jù)集的最大和最小值的平均值2023/10/158數(shù)據(jù)挖掘度量中心趨勢(shì)的方法分布式度量：將數(shù)據(jù)集劃分成較小的子集，計(jì)算每個(gè)子集的度量，然后合并計(jì)算結(jié)果，得到原數(shù)據(jù)集的度量值代數(shù)度量：通過應(yīng)用一個(gè)代數(shù)函數(shù)于一個(gè)或多個(gè)分布度量計(jì)算中整體度量：不能通過將給定數(shù)據(jù)劃分成子集并合并每個(gè)子集上度量得到的值來計(jì)算計(jì)算數(shù)據(jù)集中位數(shù)的近似值2023/10/159數(shù)據(jù)挖掘度量數(shù)據(jù)的離散程度離差（方差）：數(shù)值數(shù)據(jù)趨向于分散的程度極差：最大值與最小值之差百分位數(shù)：百分之K的數(shù)據(jù)項(xiàng)位于或低于Xi中間四分位數(shù)極差：IQR=Q3-Q1五數(shù)概括：數(shù)據(jù)集分布形狀的完整概括包含中位數(shù)、四分位數(shù)Q1和Q3，最小和最大觀測(cè)值盒圖：是五數(shù)概括的可視化表示，其缺點(diǎn)針對(duì)大量數(shù)據(jù)集的描述比較困難方差：標(biāo)準(zhǔn)差：是方差的平方根2023/10/1510數(shù)據(jù)挖掘2023/10/1511數(shù)據(jù)挖掘顯示數(shù)據(jù)匯總的圖形直方圖：概括給定屬性分布的圖形方法2023/10/1512數(shù)據(jù)挖掘分位數(shù)圖：是一種觀察單變量數(shù)據(jù)分布的簡(jiǎn)單有效方法2023/10/1513數(shù)據(jù)挖掘散布圖：是確定兩個(gè)數(shù)值屬性之間看上去是否有聯(lián)系、模式或趨勢(shì)的最有效圖形2023/10/1514數(shù)據(jù)挖掘Loess曲線：添加一條光滑曲線到散布圖，以便更好地理解依賴模式2023/10/1515數(shù)據(jù)挖掘度量數(shù)據(jù)的相似性和相異性數(shù)據(jù)結(jié)構(gòu)2023/10/1516數(shù)據(jù)挖掘度量聚類的質(zhì)量相異/相似矩陣：相似性用距離函數(shù)d(i,j)表示存在一個(gè)分離的“質(zhì)量函數(shù)”來度量聚類的好壞距離函數(shù)的定義要根據(jù)區(qū)間標(biāo)度變量、二元變量、標(biāo)稱、序數(shù)以及比例標(biāo)度變量的不同而不同根據(jù)不同的應(yīng)用和數(shù)據(jù)語義可以把權(quán)和不同的變量聯(lián)系起來很難定義足夠相似和足夠好答案高度主觀2023/10/1517數(shù)據(jù)挖掘標(biāo)稱屬性（又稱分類屬性）20