数据挖掘(二）: 认识数据

数据集：由数据对象组成

数据对象：数据库中的每一行，也叫样品、元组、行、实例、数据点、示例

一个数据库关系模型表中：除了一行行的数据外，还有解释数据的属性(列)，代表一个数据对象的特征或功能

数据属性类型有：标称（Nominal）、序数（Ordinal）、区间（Interval）、比率（Ratio）

标称类型：（个人理解感觉就像是 数据类型是可列举的有限集合）

• 发色 = {黑色，棕色，金色，红色，白色}
• 婚姻状态 = {已婚、未婚、离婚}
• 职业 = {教师、医生、程序员}
• ...

还有一种特殊的标称数据类型：二进制类型

• 只有两个状态的属性
• 对称二进制两种结果数据对象数量规模相当：例如：男女性别
• 不对称的二进制类型的数据对象数据规模差距较大：例如：医疗测试（阳性阴性）（某种罕见的病阴性的人会较多）

序数类型：

• 价值认知方面有一个有意义的顺序（排名），但不知道连续值之间的大小
• 例如：大小 = {小，中，大}（并没有说清楚多大是小，多大是中，多大是大）、等级

区间标度类型：

• 以单位长度顺序性度量
• 值有序、比如温度、日历等
• 不存在0点，倍数没有意义、比如我们不会说2000年是1000年的2倍（从数值上是对的，但是这有什么意义呢...我们数据挖掘要做有用的事情）

比率标度类型：

• 具有固定零点的数值属性，有序且可以计算倍数
• 例如长度、重量等

放张图以后再慢慢理解吧：