9、探索性数据分析：从基础到应用

探索性数据分析：从基础到应用

1. 变量类型与测量

在数据分析中，变量主要分为两类：分类变量和定量变量。分类变量的数据具有固定的类别，而定量变量则是数值型的。例如，TCP 流量的目标端口属于分类变量，而在固定时间窗口内记录的流量则是定量变量。

分类变量又可进一步分为有序和名义变量。如果分类变量无法排序，则为有序变量；反之，则为名义变量。TCP 流量的目标端口可以排序，但恶意软件则难以进行有意义的排序。

定量数据可分为连续数据和离散数据。连续数据可以取任意值，而离散数据只能取特定的一组值。例如，一天内测量的流量可以根据测量的灵敏度取任意值，因此是连续数据；而域名的长度以字符数衡量，且不能超过 255 个字符，所以是离散数据。

域名长度是一个静态值，无论测量多少次，结果都不会改变。然而，该域名接收的流量每天都会变化，因此需要重复测量，这被称为重复测量。测量过程中可能会出现误差，例如使用工具测量金属棒时，每次测量的值都可能不同，这些变化就是测量误差。

以下是一个变量类型的示例表格：
| 变量类型 | 示例 |
| ---- | ---- |
| 分类变量 - 名义 | TCP 流量目标端口 |
| 分类变量 - 有序 | 难以排序的恶意软件 |
| 定量变量 - 连续 | 一天内测量的流量 |
| 定量变量 - 离散 | 域名长度 |

2. 描述性统计

数据分析通常从分布开始，在确定总体、样本和选定的单位后，对这些单位的某些属性进行测量，并创建分布。接下来，需要研究这个分布，而描述性统计是理解和描述分布的重要工具。

常见的描