《数据挖掘导论》 第二章数据

第二章 数据

• 数据类型
• 数据质量
• 数据预处理
• 相似度测量

数据

• Collection of data objects and their attributes

特征值

• 数值型的或者描述性的（男/女 --> 0/1）
• 特征和特征值之间的区别：
  • 相同的属性可能被赋予不同的特征值，如身高的单位可能是米或者英尺
  • 不同的属性可以映射到相同的值集，如ID是无界的，age有最大值和最小值

1. 特征的类型

• Nominal（标称）
  • Examples: ID numbers, eye color, zip codes
  • 只提供足够的信息以区分对象
  • (= / 不等于)
• Ordinal(序数)
  • Examples: rankings (e.g., taste of potato chips on a scale from 1-10), grades, height {tall, medium, short}
  • (< / >)
• Interval（区间）
  • 值之间的差是有意义的
  • Examples: calendar dates, temperatures in Celsius or Fahrenheit.
  • (+/-)
• Ratio
  • Examples: temperature in Kelvin, l