韓家煒-數(shù)據(jù)挖掘：概念與技術(shù)-第2章ppt.pptx

《韓家煒-數(shù)據(jù)挖掘：概念與技術(shù)-第2章ppt.pptx》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第二章了解你的數(shù)據(jù)2014.10目錄2.1數(shù)據(jù)對象和屬性類型2.2數(shù)據(jù)的基本統(tǒng)計描述2.3數(shù)據(jù)可視化2.4衡量數(shù)據(jù)相似性和相異性2.5總結(jié)2.1DataObjectsandAttributeTypes2.1.1WhatisanAttribute?2.1.2NominalAttributes2.1.3BinaryAttributes2.1.4OrdinalAttributes2.1.5NumericAttributes2.1.6DiscreteversusContinuousAttributes2.2BasicStatisticalDe

2、sciptionsofData2.3DataVisualization2.4MeasuringDataSimilarityandDissimilarity2.5Summary2.1數(shù)據(jù)對象和屬性類型數(shù)據(jù)集是由數(shù)據(jù)對象構(gòu)成的。一個數(shù)據(jù)對象表示一個實體——在銷售數(shù)據(jù)庫中，對象可以是顧客、商品或者銷售記錄。在醫(yī)學數(shù)據(jù)庫中，數(shù)據(jù)對象可以是病人。在大學數(shù)據(jù)庫中，數(shù)據(jù)對象可以是學生、教授和課程。數(shù)據(jù)對象用屬性來描述。數(shù)據(jù)對象可以是一個抽樣、舉例、實例、數(shù)據(jù)點或者對象。如果數(shù)據(jù)對象存放在數(shù)據(jù)庫中，它們是數(shù)據(jù)元組。即數(shù)據(jù)庫中行對應(yīng)數(shù)據(jù)對象，列對應(yīng)于屬

3、性。2.1.1什么是屬性？一個屬性是一個域，表示一個數(shù)據(jù)對象的一個特征?！皩傩浴?、“維度”、“特征”和“變量”這些詞在語義上是可交換的。“維度”通常被用在數(shù)據(jù)倉庫中，機器學習中傾向于使用“特征”；統(tǒng)計學傾向使用“變量”，數(shù)據(jù)挖掘和數(shù)據(jù)庫經(jīng)常使用“屬性”。屬性描述一個顧客對象，如：顧客ID,姓名，地址。對給定的屬性的可觀察值被稱為觀察?？坍嬕粋€給定對象的屬性集合被稱為屬性向量（或特征向量）。包含單個屬性的數(shù)據(jù)分布被稱為單變量的分布；包含2個屬性的被稱為二變量的分布。屬性的類型是有屬性可取的值決定的，有名詞、二進制型、順序值或者數(shù)值類型。

4、2.1.2名詞屬性名詞屬性的值是事物的標號或者名稱。每一個值表示類別、編碼或者狀態(tài)。因此名詞屬性被稱為是分類。值沒有次序信息。在計算機領(lǐng)域，也可以稱為枚舉型。舉例如：發(fā)色和婚姻狀態(tài)。發(fā)色可以是黑色，棕色，紅色，灰色，白色。婚姻狀態(tài)可以是單身、已婚、離異或者喪偶。這些都是名詞屬性。盡管名詞屬性是標號或者名稱，但也可以是數(shù)值的表示形式。比如，發(fā)色，可以用0表示黑色，1表示棕色等。顧客ID可以是數(shù)字。但是，在這種情況，數(shù)字并不被當成數(shù)值來使用。因為名詞屬性不包含任何順序信息也非數(shù)值型，所以不用終止或者平均數(shù)去衡量這類屬性?？梢允褂脤傩宰疃喑?/p>

5、現(xiàn)的值，“眾數(shù)”來做中心性測量。2.1.2二進制屬性二進制屬性是只有兩個類別或狀態(tài)：0和1.0一般表示屬性缺失，1表示存在。二進制屬性也即bool型，兩個狀態(tài)表示真和假。舉例。如，病人對象的吸煙屬性，1表示吸煙，0表示不吸煙。再比如，病人的某個醫(yī)學檢查結(jié)果有兩種情況。1表示結(jié)果為陽性，0表示為陰性。如果二進制屬性的兩個狀態(tài)是同等有價值的具有相同的權(quán)重，則為對稱的。2個屬性被標為1或者0都可以，比如性別屬性的兩個值男和女。如果兩個狀態(tài)不是同等重要的，則為非對稱的。比如HIV檢查的結(jié)果呈陰性和陽性。通常，用1表示更重要的通常是更稀少的結(jié)果

6、，其他的用0表示。2.1.4次序?qū)傩源涡驅(qū)傩跃哂写涡蚧蛘呒墑e的意義。但是相鄰值的級別未知。舉例：例如飲料尺寸，可以是“小杯”，“中杯”，“大杯”。值有順序的意義，但是不能分辨中杯比大杯大多少。再比如，成績等級A+,A,A-,B+職稱：助理，副教授，教授次序?qū)傩员挥脕砗饬繜o法客觀衡量的屬性，用主觀的評估定質(zhì)量。在調(diào)查中常用來排序。比如，參與者作為顧客，他們的滿意度可以是：0：非常不滿意，1有點不滿意，2中立3滿意4很滿意把數(shù)值數(shù)據(jù)離散化，把它們按照值的范圍分類，也可以得到次序?qū)傩缘臄?shù)據(jù)。次序?qū)傩缘闹行男钥梢杂帽姅?shù)和中值來衡量，但是不能計

7、算平均數(shù)。名詞屬性、二進制屬性和次序?qū)傩远际嵌ㄐ缘摹Ｋ鼈冊诿枋鲆粋€對象的特征時不給出具體的尺寸和數(shù)量。值通常是一個詞表示類別，即使以整數(shù)的方式表現(xiàn)，也不是表示數(shù)量。2.1.5數(shù)值型屬性數(shù)值型屬性是定量的，是可測量的數(shù)值，為整數(shù)或?qū)崝?shù)。分為間隔尺度和比例尺度。間隔尺度屬性間隔尺度使用同等大小的單元來衡量。間隔尺度屬性有大小，可以是正，0或者負值。除了能對屬性值排序，還可以比較和衡量不同值的差值大小。舉例：溫度屬性是間隔尺度。20攝氏度高于15攝氏度。日歷也是間隔尺度，以及年份。Celsius和Fahrenhet是兩個溫度，沒有絕對0點，

8、并且我們能計算溫度的差值，但是不能說一個值是另一個值的多少倍，例如10攝氏度比5攝氏度溫暖2倍。間隔尺度是數(shù)值型的，可以計算平均值，中值和眾數(shù)。比例尺度比例尺度屬性是數(shù)值型的，有固定的0值。如果一個測量是比例尺度，則可以