数据挖掘--数据篇(学习心得)

 数据挖掘是一种技术,它将传统的数据分析方法与处理大量数据的复杂算法相结合,在一个大型数据库中,自动的发现有用信息的过程,还具有预测未来观测结果的能力。数据挖掘的对象是数据，所以离开数据，挖掘无从谈起。现将我学习《数据挖掘导论》的笔记写出来，巩固一下知识。

一、数据类型。

数据对象有其它的名字，如记录，点，向量，模式，事件，案例，样本，观测或实体。

1、属性与度量

属性是对象的性质或特性，因对象而异，或随时间而变化。

测量标度是将数值或符号与对象的属性相关联的规则。

属性有四种类型：标称、序数、区间、比率。其中标称和序数属性统称分类的或定性的。区间和比率是数值的或定量的。

2、数据集的类型

数据集有三个重要的特性：维度、稀疏性、分辨率。

数据集有以下的类型：

*记录数据，包括：事务数据或购物篮数据、数据矩阵、稀疏数据矩阵。

*基于图形的数据，包括：带有对象之间联系的数据、具有图形对象的数据。

*有序数据，包括：时序数据、序列数据、时间序列数据、空间数据。

二、数据质量

 1。测量和数据收集问题

测量误差和数据收集错误：

噪声和伪像：其中伪像是确定性失真，如一组照片同一地方上的条纹。

精度、偏倚和准确率：精度通常用值集合的标准差度量,而偏倚用值集合的均值与被测量的已知值之间的差度量。

离群点：是某种意义上具有不同于数据集中其它大部分数据对象的特征的数据对象，或者相对于该属性的典型值不寻常的属性值，也称异常对象。

遗漏值：是对一个对象中，其中一个或几个属性的信息未收集。有许多处理遗漏值的策略，如删除数据对象或属性、估计遗漏值、在分析时忽略遗漏值。

重复数据：数据集中可能包含重复或者几乎重复的数据对象。<