（二）认识数据

数据对象与属性类型

属性

1）标称属性

image.png

2）二元属性（布尔属性 true or false）

3）序数属性
值之间具有有意义的序或级别评定（ranking）
例如：小，中，大 或者 A+ ,A-,B+,B- 。布尔属性和序数属性都是定性的，而不是可测量的量

4）数值属性
定量的，即它是可度量的量，用整数或是数值标识。可以是区间标度的或比率标度的

中心趋势度量：均值，中位数和众数

均值：

image.png

image.png

中位数：
区别与均值，是对倾斜（非对称）数据，数据中心利用 中位数作为更好的度量。中位数是有序数据值的中间值。它是把数据高的一半与较低的一半分开的值

当观察量很大的时候

image.png

众数：

image.png

中列数：

image.png

image.png

度量数据散布：极差，四分位数，方差，标准差和四分位数极差

极差：

image.png

分位数：取自数据分布的每隔一定间隔上的点，把数据划分成基本上大小相等的连贯集合。

四分位数：把数据分布划分成4个相等的部分。使得每部分表示数据分布的四分之一。

百分位数：分成一百分之一

四分位数极差（IQR）：IQR = Q3 - Q1

image.png

五数概括，盒图与离群点

五数概括：中位数，四分位数Q1 和 Q3，最小和最大观测值

不同数据集间的相异性（数据矩阵与相异性矩阵）

image.png

序数属性相异性：
1，每个属性映射到 值域 [0,1]
2，根据从低到高的序数对 0~1 进行拆分 。比如：fail，good，excellent 就分为 0，0.5，1

image.png

数值属性相异性：
闵可夫斯基距离

image.png

image.png

二元属性相异性：

image.png

image.png

image.png

混合属性相异性：

image.png

image.png

image.png