4、数据挖掘基础：常见数据类型与核心问题解析

数据挖掘基础：常见数据类型与核心问题解析

1. 常见数据类型

1.1 空间与时空数据

空间数据挖掘在定义记录 (X_i) 和位置 (L_i) 上具有很大灵活性。记录 (X_i) 中的行为属性可以是数值型、分类型或二者混合。例如在气象应用中，(X_i) 可能包含位置 (L_i) 的温度和气压属性，而 (L_i) 可以用精确的空间坐标（如经纬度）或逻辑位置（如城市或州）来指定。

空间数据挖掘与时间序列数据挖掘密切相关，因为大多数常见的空间应用中的行为属性是连续的，就像时间序列数据中连续时间戳上观察到的值连续性一样，在相邻的空间位置上也能观察到值的连续性。

时空数据是一种特殊的空间数据，包含空间和时间属性，其具体性质取决于哪些属性是上下文属性，哪些是行为属性。常见的时空数据有两种：
- 空间和时间属性均为上下文属性：可看作空间数据和时间数据的直接泛化，适用于同时测量特定行为属性的空间和时间动态的情况。例如，测量海面温度随时间的变化，温度是行为属性，空间和时间属性是上下文属性。
- 时间属性为上下文属性，空间属性为行为属性：严格来说，这类数据也可视为时间序列数据，但行为属性的空间性质在许多场景中提供了更好的可解释性和更有针对性的分析。最常见于轨迹分析。

任何二维或三维时间序列数据都可以映射到轨迹上，这意味着轨迹挖掘算法也可用于二维或三维时间序列数据。例如，Intel Research Berkeley 数据集包含各种传感器的读数，温度和电压传感器的读数对可以映射为温度 - 电压轨迹。

1.2 网络和图数据

在网络和图数据中，数据值对应网络中的节点，数据值之间的关系对应网络中的边。有