9、对称排序数据：提升数据预测能力的统计数据挖掘方法

对称排序数据：提升数据预测能力的统计数据挖掘方法

1. 引言

本文将介绍一种新的统计数据挖掘方法——对称排序数据法，并将其纳入良好模型构建实践的简单性和可取性范式中。该方法结合了对称化和变量排序这两个基本统计工具，生成可能具有更高预测能力的新变量。我们将详细介绍史蒂文斯的测量尺度（名义、顺序、区间和比率），定义近似区间尺度，快速回顾探索性数据分析（EDA）的基本元素，最后通过两个示例说明该方法的应用。

2. 测量尺度

史蒂文斯提出了四种数据测量尺度：
1. 名义数据 ：是分类标签，如颜色（红、白、蓝）。数据值没有顺序，不能进行算术运算，例如不能计算“红 + 蓝”。
2. 顺序数据 ：是有序的数字标签，较高/较低的数字代表尺度上较高/较低的值，但数字之间的间隔不一定相等。
- 例如，在游轮旅行中，将舱位等级（头等、二等、三等、船员）重新编码为顺序变量 CLASS_ ，将年龄（成人、儿童）重新编码为 AGE_ ，并创建 CLASS_ 与 AGE 和 GENDER 的交互变量 CLASS_AGE_ 和 CLASS_GENDER_ 。
- 三个重新编码的单个变量：
- 如果 GENDER = male ，则 GENDER_ = 0
- 如果 GENDER = female