weixin_46029055的博客

属性类型：标称属性：值是一些符号或者事务的名称，每个值代表某种类别、编码或者状态，因此标称属性又被看做是分类的，值是无意义的序，并且不是定量的，因此找平均值和中位数是没有意义的，比如：hair_color（头发的颜色）就是。二元属性：是一种标称属性，只有两个类别状态：0或者1,0通常表示该属性不出现，而1表示出现。二元属性也有对称的二元属性和非对称的二元属性，如果状态的结果不是同等重要的，则称为非对称的二元属性。对称的二元属性 非对称的二元属性序数属性：其可能的值之间具有有意义的

数据挖掘过程？数据清理（消除噪声和删除不一致数据） 数据集成（多种数据源可以组合在一起） 数据选择（从数据库中提取与分析任务相关的数据） 数据变换（通过汇总与聚集操作，把数据变换和统一成适合挖掘的形式） 数据挖掘（基本步骤，使用智能方法提取智能模式） 模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） 知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）数据挖掘常用模式？概念/类描述：特性化和区分 关联分析 （挖掘频繁模式、关联和相关） 分类和预测 聚类分析 离群.

邻近性：相似性和相异性统称为邻近性属性类型：标称属性：值是一些符号或者事务的名称，每个值代表某种类别、编码或者状态，因此标称属性又被看做是分类的，值是无意义的序，并且不是定量的，因此找平均值和中位数是没有意义的，比如：hair_color（头发的颜色）就是。二元属性：是一种标称属性，只有两个类别状态：0或者1,0通常表示该属性不出现，而1表示出现。二元属性也有对称的二元属性和非对称的二元属性，如果状态的结果不是同等重要的，则称为非对称的二元属性。序数属性：其可能的值之间具有有意义的量，例如：

数据质量的要素：准确性、完整性、一致性、时效性、可信性、可解释性。数据清理：填写缺失值，光滑噪声数据，识别或删除离群点，并解决不一致性来“清理数据”数据集成:在分析中使用来自多个数据源的数据，这就涉及集成多个数据库、数据立方体或文件数据规约：得到数据集的简化表示，它小的多，但能够产生同样的（或几乎相同）分析结果。数据规约策略包括维规约和数值归约数据清理：偏差监测数据清洗工具ETL缺失值：忽视 去掉有缺失值的样本或属性  较小缺失率人工补全缺失值 重新...